新智元報道

編輯：艾倫

【新智元導讀】2026 開年首個王炸！MiniMax Music 2.5 震撼發(fā)布，憑借「格萊美級」音質(zhì)和極致擬真人聲，開創(chuàng) AI 音樂新天花板。它不僅徹底消除中文演唱的「洋味兒」，更支持 14 種結(jié)構(gòu)標簽精準控制。懂中文、懂音樂、更懂人性，這一波中國 AI 贏麻了！

太離譜了，這兩天被外網(wǎng)網(wǎng)友的一個「假格萊美」頒獎視頻騙到了。

這音樂質(zhì)感，我不說你應(yīng)該也沒發(fā)現(xiàn)是「AI 屆的格萊美」吧。

高度擬真的人聲和對風格的精準拿捏，簡直就是「以假亂真」。

你聽那個叫 Aria Grane 的虛擬歌手，在演唱《Skin Remembers》時，換氣瞬間聲帶的閉合與顫動，保留了頂級錄音室才有的「人類瑕疵」；

鏡頭切到酷似「盆栽哥」的男聲時，那股迷幻放克的假聲味道，完全就是巨星未公開新單曲的水準。

最荒謬的是，如果不看屏幕下方的水印，我都不會發(fā)現(xiàn)這些這么懂歐美 R&B 和流行聽感的 AI 音樂作品，竟然全部都來自一個中國模型：MiniMax Music 2.5。

2026開年，中國 AI 給音樂圈帶來了諸多史詩級轟炸。

昨天 Mureka 剛推出 V8，今天，MiniMax Music 2.5 就直接甩出了這個「格萊美級別」的核彈，不僅是像，更是「懂」，當之無愧的 AI 音樂新王。

「格萊美時刻」所言非虛，這兩個月，AI 鄉(xiāng)村樂隊「Breaking Rust」屠榜，作為唱片巨頭的環(huán)球音樂、華納音樂紛紛「打不過就加入」，躬身入局 AI。

在這個全球音樂行業(yè)都意識到，AI 音樂早已跨過了「聽個響」的圖靈測試的時間節(jié)點，MiniMax 用最新的殺手锏 Music 2.5 向世界宣告：

懂中文、懂音樂、更懂「人性」的 AI，還得看我們中國公司。

https://www.minimaxi.com/audio/introducing/music-2-5/

MiniMax Music 2.5 的這個 Demo 視頻，高級感十足，讓我們對它的實際性能充滿期待。

第一輪檢驗：「格萊美級音質(zhì)」的關(guān)鍵

近乎呼吸的擬人質(zhì)感

為了驗證 Music 2.5 的全新「格萊美級音質(zhì)」，我們沒有選擇容易討巧的電音來測試，而是選擇了一塊最難啃的骨頭：Soul/R&B（靈魂樂）。

這類音樂不吃編曲的華麗，全靠歌手嗓音里的顆粒感和情緒的微動態(tài)。

給 Music 2.5 輸入一段壓抑、痛苦的英文歌詞，要求生成一首能在深夜把人聽哭的金曲。

如果說之前的 AI 是在模仿「唱歌」，那 Music 2.5 這一段就是在模仿「聲帶的物理振動」。

最讓人頭皮發(fā)麻的不是高音的完美，而是那些「瑕疵」。

你能在耳機里清晰地捕捉到歌手換氣時的急促，尾音處理上因為「力竭」而產(chǎn)生的輕微斷裂，甚至在一句歌詞結(jié)束后，那一聲似有若無的嘆息。

你能聽到情緒像潮水一樣，從主歌的低回敘事，推向副歌的撕裂爆發(fā)。

這種動態(tài)范圍，過去需要頂級錄音棚配合百萬級混音師才能打磨出來，現(xiàn)在，它只是算力的一次瞬時釋放。

它證明了一件事：AI 終于理解了，音樂的感染力往往不來自于精密的準確，而來自于那些充滿了人性的「不完美」。

第二輪檢驗：華語樂壇的「降維打擊」

去除 Suno「洋味兒」AI 感

如果說英文歌是 AI 的舒適區(qū)，那華語流行（C-Pop）就是檢驗成色的煉金石。

中文復(fù)雜的四聲調(diào)、咬字時的唇齒音，曾是無數(shù) AI 模型的噩夢。

無論 Suno 還是 Udio，在生成中文歌曲時，總有一種揮之不去的「洋味兒」。

咬字含混不清，聲調(diào)怪異，高頻部分那層仿佛被砂紙打磨過的「數(shù)字噪點」，時刻在提醒你：這是假的。

讓 Music 2.5 創(chuàng)作一首標準的「女團風」舞曲。

要求很簡單：要炸，要洗腦，要像 BLACKPINK 或 aespa 那樣充滿態(tài)度。

結(jié)果令人驚訝。

Music 2.5 仿佛從韓國練習生訓練營里進修歸來。

首先是咬字。

它徹底治好了 AI 唱歌「吞音」的毛病。

即便是高密度的 Rap 段落，每一個漢字的聲母韻母都切分得干脆利落，那種 Girl Crush 特有的「拽姐」語氣，被拿捏得死死的。

其次是功能性。這首歌簡直是為抖音量身定做的。

歌詞里「左右上下」配合著倒數(shù)聲，還沒聽完，你腦子里已經(jīng)自動生成了百萬博主卡點跳手勢舞的畫面。

最絕的是其中的中英夾雜，被 AI 處理得絲滑無比。

它不僅懂語言，更懂當下的「流行文化密碼」。

終極進化：音樂高度可定制化

精準調(diào)度的音樂邏輯

過去玩 AI 音樂，多半靠運氣。

你輸這行提示詞，它出什么全看天意，像是在玩一種昂貴的扭蛋機。

但 Music 2.5 帶來的最大改變，是控制權(quán)的回歸。

它開放了 14 種以上的結(jié)構(gòu)標簽。

Intro（前奏）、Verse（主歌）、Chorus（副歌）、Bridge（橋段）、Build-up（鋪墊）……這意味著，你不再是一個被動的聽眾，而是一個掌控全局的制作人。

為了測試這種控制力，我決定做一首極具年代感的蒸汽波——《Plastic Date》。

我們想要 80 年代東京的霓虹燈，想要竹內(nèi)瑪莉亞式的都市哀愁。

提示詞：

風格：

Japanese City Pop, Kawaii Future Funk, Slowed, Mellow, Cute female vocals, Groovy Bass, Synthesizer, 80s Anime Style, Happy, Nostalgic, Lo-Fi, 90BPM

歌詞： [Intro]

(Sound of opening a soda can)

(Radio tuning static)

Hello?

Are you listening?

真夜中の Radio Station

[Verse 1]

パステルカラーの街並み (Pastel colored cityscape)

君と歩く　Weekend Night

メロンソーダの泡が (Melon soda bubbles)

シュワシュワ弾けてる (Fizzing and popping)

新しい靴で　リズム刻んで (Tapping rhythm with new shoes)

[Pre-Chorus]

カセットテープが回る (The cassette tape spins)

お気に入りのナンバー (My favorite number)

ハイウェイを抜けて (Going through the highway)

風になりたい (I want to become the wind)

[Chorus]

Tokyo Retro Magic

キラキラしてる　未來の予感 (Sparkling premonition of the future)

甘いキャンディみたいな戀 (Love like sweet candy)

80's の映畫のように (Just like an 80's movie)

踴り明かそう　朝まで (Let's dance until morning)

ときめきは　Non-stop (The excitement is Non-stop)

[Verse 2]

ゲームセンターのネオン (Game center neon lights)

スコアボードは　High Score

デジタルな星空を見上げて (Looking up at the digital starry sky)

君の橫顔　見ていた (I was looking at your profile)

[Bridge]

(Synthesizer Solo - Bright and groovy)

Baby, it's alright

何もしないで (Doing nothing)

ただ　音楽に揺れて (Just swaying to the music)

この瞬間が　寶物 (This moment is a treasure)

[Chorus]

Tokyo Retro Magic

カラフルな光　集めて (Gathering colorful lights)

終わらない　ドライブへ行こう (Let's go on an endless drive)

君の笑顔が　ナビゲーション (Your smile is the navigation)

ずっと　このまま　City Pop (Forever, just like this, City Pop)

[Outro]

See you tomorrow

また明日ね (See you tomorrow)

(Fade out with cheerful humming)

Yeah...

Sweet dreams...

當前奏那段失真的廣播采樣 「真夜中の Radio Station」 響起，緊接著貝斯線切入時，我就知道：味兒對了。

這可不是簡單的風格模仿，更是重建了氛圍。

Music 2.5 精準地復(fù)刻了那個泡沫經(jīng)濟時代的聽感——明亮、奢華，卻又帶著一絲空虛。

人聲在日語和英語間無縫切換，帶著一點點日式口音的英語，反而成了整首歌的點睛之筆。

這種對特定流派文化符號的理解，充分體現(xiàn)了 MiniMax Music 2.5 的知識面的廣度和深度。

Music 2.5 證明了，強大的模型泛化性才是進擊全球的底氣。

它不僅完美繼承了 MiniMax 的多語種語音基因，更具備了跨越風格周期的理解力，真正做到了從大眾到小眾的「全頻譜」覆蓋。

人人都是制作人的時代

MiniMax Music 2.5 的發(fā)布不僅補齊了其多模態(tài)生態(tài)的關(guān)鍵拼圖，更標志著 AI 音頻從「C 端娛樂」正式跨越到「B 端生產(chǎn)力」。

影視、游戲及工業(yè)級交付標準，直擊內(nèi)容創(chuàng)作中「有畫難配聲」的痛點；

對于極度依賴 BGM 的短劇、游戲和自媒體行業(yè)而言，這不再僅僅是一個好玩的生成工具，而是一座巨大的、無版權(quán)風險的「露天金礦」，讓專業(yè)級的敘事配樂觸手可及。

當「格萊美級」的制作能力被封裝成 API，當「百萬調(diào)音師」變成了一行代碼，音樂制作的門檻被徹底踩平。

這或許會讓傳統(tǒng)的音樂人感到一絲寒意，但也可能激發(fā)出前所未有的創(chuàng)造力浪潮。

正如攝影術(shù)的發(fā)明沒有殺死繪畫，反而催生了印象派一樣；AI 不會殺死音樂，它只是逼迫我們?nèi)ふ夷切C器無法計算的、靈魂深處最隱秘的共鳴。

現(xiàn)在，控制臺就在你手邊，麥克風已經(jīng)遞到了你面前。

你想聽什么樣的歌？不用去搜了，自己做吧！

參考資料：

MiniMax Music 2.5: 格萊美級創(chuàng)作，不再需要錄音棚