在音樂(lè)、數(shù)字人與虛擬角色表演的交匯地帶，AI正在以肉眼可見(jiàn)的速度重構(gòu)文娛產(chǎn)業(yè)的底層邏輯。過(guò)去一周，三項(xiàng)來(lái)自不同賽道的關(guān)鍵進(jìn)展不約而同地指向同一個(gè)方向：大模型不再滿足于“生成內(nèi)容”，而是開(kāi)始追求對(duì)創(chuàng)作過(guò)程、交互體驗(yàn)和情感表達(dá)的精準(zhǔn)掌控。

MiniMax上線Music 2.6 ：極速響應(yīng)、精準(zhǔn)掌控，開(kāi)啟全球創(chuàng)作

全球領(lǐng)先的大模型公司MiniMax發(fā)布新一代音樂(lè)生成模型Music 2.6,本次更新從底層引擎到創(chuàng)作工具實(shí)現(xiàn)全維度進(jìn)化，大幅提升生成延遲、音樂(lè)控制、聲學(xué)品質(zhì)，推出全新“Cover”創(chuàng)作功能和面向 AI Agent 生態(tài)的 Music Skill，并面向全球創(chuàng)作者開(kāi)啟為期14天的免費(fèi)內(nèi)測(cè)。C端產(chǎn)品用戶每日享有500首免費(fèi)創(chuàng)作額度；開(kāi)發(fā)者額外獲贈(zèng)每日100首免費(fèi)調(diào)用額度。

Music 2.6對(duì)底層生成架構(gòu)進(jìn)行了深度重構(gòu)，最直觀的變化體現(xiàn)在速度上——首包延遲大幅降至20秒以內(nèi)。這意味著創(chuàng)作者輸入文字靈感后，只需一次深呼吸的時(shí)間就能收到初步音頻反饋，告別以往的漫長(zhǎng)等待。

在可控性層面，Music 2.6 打破了此前 AI 音樂(lè)生成中“開(kāi)盲盒”的體驗(yàn)，實(shí)現(xiàn)了三項(xiàng)關(guān)鍵突破：更精準(zhǔn)的 BPM 與調(diào)性鎖定,創(chuàng)作者設(shè)定的節(jié)拍速度和調(diào)式（Key）將被忠實(shí)還原，不再偏離；更精細(xì)的段落結(jié)構(gòu)控制,模型對(duì)主歌、副歌及過(guò)渡段的理解力顯著增強(qiáng)，能夠從容駕馭嚴(yán)謹(jǐn)?shù)木幥枨?；更深度的情緒掌控,人聲和樂(lè)器音色的情緒表達(dá)更加精準(zhǔn)，創(chuàng)作意圖不再在生成過(guò)程中被稀釋。

人聲方面，Music 2.6 有意褪去了此前版本中“機(jī)械般精準(zhǔn)”的工業(yè)化唱腔，轉(zhuǎn)而呈現(xiàn)出更具隨性與自由感的真實(shí)演唱;器樂(lè)方面，模型擴(kuò)充了樂(lè)器種類的多樣性，并優(yōu)化了整體時(shí)序上的演奏邏輯。

本次最受矚目的新功能當(dāng)屬 Cover功能上線，支持創(chuàng)作者上傳一段隨手自唱音頻，模型提取旋律特征，開(kāi)啟無(wú)盡的創(chuàng)作空間。它具備極端的跨風(fēng)格遷移能力——一首舒緩民謠可瞬間變?yōu)榭癖┲亟饘?，古典交響?lè)可改寫(xiě)為賽博朋克電子樂(lè)。此外還支持填詞翻唱，模型能將全新歌詞嚴(yán)絲合縫地嵌入原曲旋律之中。

米哈游蔡浩宇A(yù)I公司發(fā)布表演大模型，以假亂真

米哈游創(chuàng)始人蔡浩宇成立的AI公司Anuttacon近日發(fā)布新一代視頻角色表演生成模型 LPM 1.0（Large Performance Model），并同步上線項(xiàng)目主頁(yè)。該模型可實(shí)現(xiàn)自定義虛擬角色生成，支持全程自由自主對(duì)話，身份一致的長(zhǎng)時(shí)間穩(wěn)定性，以及細(xì)致入微的類人表演。

對(duì)于這款大模型的介紹，Anuttacon用了這樣一句話，不僅僅是對(duì)話的“腦袋”，而是表演：角色們會(huì)說(shuō)話、傾聽(tīng)、反應(yīng)，并且在長(zhǎng)時(shí)間互動(dòng)中保持一致。相較于其他視頻生成模型，LPM 1.0重新定義了虛擬人應(yīng)該如何參與對(duì)話，其優(yōu)勢(shì)在于性能質(zhì)量、情感對(duì)話、精準(zhǔn)的口型同步、身份保持以及逼真的自然度。

在該大模型的技術(shù)報(bào)告中，提到了一個(gè)以往此類模型的不可能三角，即在以往的表演中幾乎不可能同時(shí)滿足三個(gè)核心要求：一是表現(xiàn)力，動(dòng)作需要自然不重復(fù)，能傳達(dá)微妙的情緒；二是實(shí)時(shí)性，生成視頻需要無(wú)延遲；三是長(zhǎng)時(shí)穩(wěn)定性，角色不能在表演過(guò)程中變了，同時(shí)衣物、背景等也需要保持一致。以往模型最多智能滿足“不可能三角”其中的兩個(gè)，但LPM 1.0解決了這個(gè)問(wèn)題。

在給出的幾段表演中，虛擬角色基本做到了以假亂真，說(shuō)話時(shí)會(huì)伴隨著五官和手部、身體的動(dòng)作，聆聽(tīng)時(shí)也有微表情和動(dòng)作，比如點(diǎn)頭、皺眉、尷尬等，“人味”十足。

在項(xiàng)目演示中，其視頻對(duì)話模式可與 ChatGPT、豆包等音頻到音頻（A2A）模型即插即用組合，生成角色視頻，預(yù)計(jì)可應(yīng)用于對(duì)話式 AI 智能體、交互式 NPC 與游戲角色、直播與虛擬主播、教育與個(gè)性化輔導(dǎo)、游戲陪伴、娛樂(lè)內(nèi)容陪伴等領(lǐng)域。

有網(wǎng)友表示，希望米哈游在未來(lái)推出的游戲如《雨之城》中用上該項(xiàng)技術(shù)，也有人希望將其加入米哈游現(xiàn)有游戲如《未定事件簿》中，為玩家?guī)?lái)更具沉浸式的游戲體驗(yàn)。

首個(gè)國(guó)標(biāo)數(shù)字人，商湯如影

近日，國(guó)家標(biāo)準(zhǔn)由市場(chǎng)監(jiān)管總局（國(guó)家標(biāo)準(zhǔn)委）批準(zhǔn)發(fā)布實(shí)施《信息技術(shù)客服型虛擬數(shù)字人通用技術(shù)要求》（GB/T 46483—2025）。作為虛擬數(shù)字人領(lǐng)域首個(gè)國(guó)家標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)規(guī)定了客服型虛擬數(shù)字人系統(tǒng)的參考框架、功能和性能要求，為數(shù)字人在客服領(lǐng)域應(yīng)用提供了技術(shù)支撐。

商湯憑借如影直播互動(dòng)數(shù)字人產(chǎn)品，成為第一家獲得虛擬數(shù)字人領(lǐng)域首個(gè)國(guó)家標(biāo)準(zhǔn)符合性測(cè)試證書(shū)的企業(yè)。這標(biāo)志著商湯科技在虛擬數(shù)字人領(lǐng)域的技術(shù)領(lǐng)先性與產(chǎn)品規(guī)范化水平再獲國(guó)家級(jí)權(quán)威認(rèn)可。

該項(xiàng)數(shù)字人國(guó)家標(biāo)準(zhǔn)，首次對(duì)客服型數(shù)字人產(chǎn)品形態(tài)、功能邊界和性能指標(biāo)進(jìn)行了明確定義，標(biāo)準(zhǔn)規(guī)定了客服型虛擬數(shù)字人系統(tǒng)化的形象生成、視覺(jué)交互、語(yǔ)音交互、情感交互、形象驅(qū)動(dòng)、運(yùn)營(yíng)維護(hù)等功能要求。

在性能要求方面，標(biāo)準(zhǔn)提出了2D數(shù)字人和3D數(shù)字人的分辨率基線，并提出口型驅(qū)動(dòng)準(zhǔn)確率不低于90%、手勢(shì)交互成功率不低于80%、語(yǔ)音交互成功率不低于85%等技術(shù)要求，這些具體指標(biāo)將有效引導(dǎo)并提升客服型虛擬數(shù)字人應(yīng)用的可用性、流暢性及準(zhǔn)確度，為客服型虛擬數(shù)字人產(chǎn)品標(biāo)準(zhǔn)化奠定基礎(chǔ)。除了視覺(jué)和語(yǔ)音交互外，標(biāo)準(zhǔn)還對(duì)情感交互提出明確要求，例如情感交互成功率不低于80%，有望提升客服型虛擬數(shù)字人在擬人化方面的表現(xiàn)，進(jìn)一步增強(qiáng)用戶體驗(yàn)。

目前，商湯如影“直播帶貨數(shù)字人”已經(jīng)服務(wù)了淘寶、美團(tuán)、京東數(shù)千個(gè)直播間的客服場(chǎng)景。