---
title: "腾讯清华联手开源SongGeneration 2：4B参数音乐大模型，性能超越Suno v5，1分钟生成完整歌曲"
url: "https://paooo.com/aigc-news/11310/"
author: "Prompt 语宙研究院"
published_at: "2026-06-10T07:42:22+08:00"
updated_at: "2026-06-07T20:04:58+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "AIGC, Suno, 清华大学, 腾讯, 音乐生成大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 腾讯清华联手开源SongGeneration 2：4B参数音乐大模型，性能超越Suno v5，1分钟生成完整歌曲

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/11310/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-10

## AI 30 秒核心看点 (TL;DR)

- 4B 参数 SongGeneration 2 以混合 LLM-扩散架构突破音乐性与音质难兼得的瓶颈。
- 支持中英西日等多语种歌词、纯音乐/人声/双音轨输出，风格控制更细。
- 22GB 显存即可本地跑，1 分钟生成完整歌曲，开源后更利于落地应用。

> 
                **💡 站外导读：**随着AIGC技术爆发，AI音乐生成正从实验走向商业应用，但高质量、可控、本地化部署仍是行业核心痛点。腾讯与清华大学联合开源的SongGeneration 2，正是对这一挑战的回应。这款4B参数模型凭借混合架构与分层表征，在音质、歌词准确度和生成效率上实现突破，其性能甚至超越了Suno v5等知名商业模型。它的开源，不仅降低了AI音乐创作的技术门槛，更预示着专业级音乐生成能力将加速普及，重塑内容创作产业链。

            

             
                        

## SongGeneration 2是什么

SongGeneration 2是腾讯与清华大学联合开源的4B参数音乐生成大模型，采用混合LLM-扩散架构与分层表征设计，实现商业级音乐生成质量。模型歌词准确率达8.55% PER，超越Suno v5等商业模型。SongGeneration 2支持中英文等多语种、复杂多轨编曲，可通过文本描述与音频提示精准控制风格。模型可在22GB显存消费级硬件本地运行，1分钟内可生成完整歌曲。

## SongGeneration 2的主要功能

- **高质量歌曲生成**：基于混合LLM-扩散架构生成长达4分30秒、旋律优美且编曲层次丰富的完整歌曲。

- **多语种歌词合成**：支持中、英、西、日等多语种歌词，以8.55%的极低音素错误率实现清晰准确的发音。

- **多样化生成模式**：可灵活输出完整歌曲、纯音乐、纯人声或分离的人声与伴奏双音轨。

- **精准风格控制**：通过文本描述（性别、曲风、情绪、乐器）或10秒音频提示精确控制生成风格。

- **灵活部署选项**：支持22GB显存本地运行及HuggingFace Space在线快速体验，提供低显存适配方案。

## SongGeneration 2的技术原理

- **混合LLM-扩散架构**：语言模型（LeLM）担任”作曲大脑”统筹全局音乐结构与演奏细节，扩散模型作为”高保真渲染器”在语言模型指导下合成复杂声学细节，二者分工协作平衡音乐性与音质。

- **分层表征建模**：采用并行建模设计，混合表征（Mixed Tokens）捕捉高层级旋律与结构语义，多轨表征（Dual-Track Tokens）分别建模人声与伴奏轨道的细粒度声学变化。

- **自动化美学评估**：基于11,717个专家标注样本构建细粒度评估框架，为模型训练注入音乐性先验知识，在推理阶段引入基于音乐性标签的CFG策略。

- **三阶段渐进式后训练**：通过SFT收窄数据分布构建高质量底座，大规模离线DPO利用20万对严格正负样本消除歌词幻觉，半在线DPO周期性更新模型以极致突破音乐性上限。

## SongGeneration 2的项目地址

- **GitHub仓库**：https://github.com/tencent-ailab/songgeneration

- **HuggingFace模型库**：https://huggingface.co/tencent/SongGeneration

## SongGeneration 2的应用场景

- **音乐创作辅助**：独立音乐人可快速生成demo验证灵感，降低编曲门槛与制作成本。

- **视频配乐制作**：自媒体创作者能依据视频风格与情绪需求，即时生成定制化背景音乐。

- **游戏音频开发**：游戏厂商可为不同场景、角色与剧情批量生成适配的主题音乐与音效。

- **广告与营销内容**：品牌方可按 campaign 调性生成专属 jingle，实现音频资产的快速迭代。

- **教育与娱乐应用**：音乐教学平台提供风格化伴奏生成，K歌与社交应用支持用户个性化歌曲创作。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                SongGeneration 2的开源，绝不仅仅是一个新模型的发布，而是AIGC领域一次标志性的‘架构范式’胜利。它巧妙地将LLM的全局结构规划能力与扩散模型的高保真细节渲染能力结合，解决了音乐生成中‘音乐性’与‘音质’难以兼得的核心矛盾。这标志着行业正从追求单一参数的‘暴力美学’，转向更精巧的‘混合协同’架构设计。更重要的是，其‘22GB显存消费级硬件可运行’的特性，直击当前大模型落地‘云端成本高、本地门槛高’的痛点，为AI音乐从Demo走向真正的生产力工具铺平了道路。腾讯与清华的联手，展现了中国顶尖科技企业与学术机构在攻克AIGC‘最后一公里’难题上的强大合力。接下来，围绕音乐生成垂直领域的生态竞争，或将由此开启。

## 常见问题解答 (FAQ)

### SongGeneration 2 能在本地电脑运行吗？
可以。文章提到它支持在 22GB 显存的消费级硬件上本地运行，并提供低显存适配方案，适合有一定算力条件的个人或团队部署体验。

### SongGeneration 2 比 Suno v5 强在哪里？
核心优势在于歌词准确度、音质与生成效率的综合表现。文中给出的结果显示，其歌词音素错误率为 8.55%，并在相关评测中超越 Suno v5 等商业模型。

### SongGeneration 2 适合哪些实际场景？
适合音乐创作 demo、视频配乐、游戏音频、广告 jingle 以及教育娱乐类应用。它支持按文本或音频提示控制风格，便于快速生成定制化音乐内容。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
