天谱乐

天谱乐是什么：唱鸭团队的多模态音乐生成模型

天谱乐是趣丸科技旗下唱鸭团队推出的多模态音乐生成模型，支持文本、图片、视频三种输入方式。官网宣称它是全球较早推出的多模态音乐创作大模型，但这一说法尚无独立第三方验证。用户上传一段 10 到 60 秒的视频，它能生成与画面情绪匹配的配乐；输入文字，则可在 15 到 20 秒内生成最长 3.5 分钟的纯音乐。目标人群覆盖短视频创作者、影视广告从业者以及零基础的音乐爱好者。该工具目前通过网页端和唱鸭 App 提供服务，无需下载独立软件。

从唱鸭到天谱乐：母公司趣丸科技的 AI 音乐布局

天谱乐功能列表：文生曲、图生曲、视频生曲与专家模式

• 文生曲：输入关键词、歌词或描述文本，生成带歌词歌曲或纯音乐。生成时长最长 3.5 分钟，等待时间约 15 到 20 秒。
• 图生曲：上传一张图片，AI 分析画面情感和主题，生成匹配的音乐并演唱歌词。
• 视频生曲：上传 10 到 60 秒视频（支持 MP4、MOV、AVI 等格式），逐帧识别画面明暗、色彩和情绪变化，生成高契合度 BGM，并可输出 30 秒 MV 效果。
• 音频生曲：点击几个音符或简单哼唱，即可生成完整歌曲。
• 专家模式：提供风格、和弦、BPM 等专业参数调整，面向有音乐基础的用户。
• 音乐编辑：对生成的音乐进行二次编辑和调整。
• API 开放平台：为企业提供音乐生成 API，按规模付费。

文生曲：15 秒生成 3.5 分钟纯音乐的真实体验

官网展示的文本生曲案例中，用户输入「写一首关于夏天的歌，使用古风风格」后，系统生成了一首 4024 次播放的作品。宣称的 15 到 20 秒生成时间，实际取决于服务器负载和作品长度。3.5 分钟纯音乐是当前上限，但官网补充字段提到单首最长可达 5 分钟——两个数据存在矛盾，可能对应不同版本或输入类型。文生曲的输出质量受提示词具体程度影响较大：仅输入「写一首关于暴雨的歌」与输入「写一首关于暴雨没带伞的歌，带有细腻人声」得到的结果，在风格贴合度上差异明显。

图生曲与视频生曲：逐帧情绪识别如何匹配画面

图生曲的核心是画面情绪理解模型，它分析图片的色彩、构图和主体内容，再生成歌词与旋律。视频生曲则更进一步：逐帧识别明暗、色彩和情绪的细微变化，使配乐与画面节奏同步。例如，一段黄昏街景的视频可能触发温暖、怀旧的旋律；一段快速剪辑的运动画面则可能生成节奏更强的音乐。输出格式上，视频生曲可生成带字幕和封面标签的成品，支持导出 MP4。但情绪识别并非总是准确——暗色调画面可能被误判为悲伤，实际用户想要的是悬疑感。

专家模式与音乐编辑：专业用户能调什么参数

专家模式面向有音乐制作经验的用户，提供风格、和弦、BPM（每分钟节拍数）等参数调整。用户可以在生成前指定调性、速度范围和编曲风格，生成后还能对乐器音色、和声、人声进行微调。V4.7 版本进一步强化了二次创作：上传已有音乐素材，可进行 Remix 改写和翻唱 Cover。例如，一段抒情旋律可被改编为电子或摇滚风格；一首已有歌曲可更换歌词和演唱音色，同时保持主旋律辨识度。这些功能降低了「推倒重来」的频率，但参数调整的颗粒度仍不及专业 DAW（数字音频工作站）。

天谱乐从零开始怎么用：注册、上传与生成流程

1. 访问官网 tianpuyue.cn，点击注册按钮，使用手机号或邮箱创建账号。
2. 登录后进入创作界面，选择「文本生曲」「图片生曲」或「视频生曲」。
3. 若选择文本生曲，输入描述文字或歌词，选择风格、BPM 等参数（可选），点击生成。
4. 若选择图片生曲，上传一张图片，等待 AI 分析并生成音乐。
5. 若选择视频生曲，上传 10 到 60 秒的视频文件，等待逐帧分析后生成配乐。
6. 生成完成后，试听并选择导出 MP3 或 MP4 格式。
7. 如需进一步调整，进入专家模式修改参数或使用 Remix/翻唱功能。

官网入口与账号注册：无需下载即可体验

天谱乐的网页端入口为 tianpuyue.cn，用户无需下载独立客户端即可使用核心功能。注册流程简单，支持手机号或邮箱验证。唱鸭 App 用户可直接使用现有账号登录，数据互通。但网页端功能与 App 端存在差异：部分高级编辑功能可能仅在 App 内可用。公开信息未明确免费账号与付费账号的功能边界，用户需在注册后自行查看可用额度。

三种输入方式的操作细节：图片、视频、文本

图片上传支持常见格式（如 JPG、PNG），系统会自动分析画面主体和情绪。视频上传要求时长 10 到 60 秒，格式支持 MP4、MOV、AVI。文本输入最灵活：可以是一句描述、一段歌词，或「写一首关于友情岁月的歌，使用摇滚风格」这样的复合指令。操作上，文本生曲需要用户主动选择风格参数，而图片和视频生曲则完全由 AI 判断。这意味着后者的输出更不可控，但也更省心。

导出格式与后续编辑：MP3/MP4 与专家模式调整

生成结果可导出为 MP3（音频）或 MP4（视频）格式。视频生曲的 MP4 导出包含字幕和封面标签，适合直接发布到短视频平台。若对结果不满意，用户可进入专家模式调整和弦、BPM、乐器音色等参数，或使用 V4.7 的 Remix 改写功能。但导出后的音乐无法在外部 DAW 中分层编辑——所有调整必须在平台内完成。对于需要精细混音的专业用户，这是一个明显限制。

天谱乐和同类差在哪：Suno、Mureka、MiniMax 对比

特性维度	输入方式	生成时长上限	定价模式	二次创作	中文界面
天谱乐	文本、图片、视频、音频	3.5 分钟（官网另称 5 分钟）	API 按规模付费	Remix 改写、翻唱 Cover	有
Suno V5.5	仅文本	2 分钟	订阅制（免费额度+付费）	有限	无（英文为主）
Mureka V9	文本为主	3 分钟	订阅制	有限	无
MiniMax V2.6	文本为主	2 分钟	订阅制	有限	有

多模态输入是差异化：Suno 只支持文本，天谱乐支持图片视频

Suno V5.5 的核心输入方式是文本提示词，用户无法直接上传图片或视频生成配乐。天谱乐的多模态输入解决了「画面配乐」这一具体场景：短视频创作者无需描述画面内容，直接上传视频即可。但多模态不等于更高质量——文本生曲的精细控制仍不如 Suno 的提示词系统成熟。实际使用中，天谱乐的视频生曲更适合快速获取「能用」的 BGM，而非精雕细琢的原创作品。

V4.7 与 Suno V5.5 的评测数据：享受度与记忆点得分

第三方测试在 60 组中英文样本上对比了天谱乐 V4.7、Suno V5.5、Mureka V9 和 MiniMax V2.6。评估采用 Meta Audiobox Aesthetics 与 SongEval 两套体系。结果显示，V4.7 在内容享受度、作品记忆点和声音清晰度等指标中获得较高分数，其余音乐性、连贯性和自然度指标处于第一梯队。但公开报道未给出具体数值，无法量化「较高分数」的领先幅度。测试样本量 60 组偏小，结论的统计显著性存疑。

价格与开放平台：API 按规模付费对比订阅制

天谱乐典型使用案例：短视频配乐、影视广告与个人创作

• 短视频背景音乐：上传旅行、美食或宠物视频，快速生成匹配画面的 BGM，避免版权风险。
• 影视广告配乐：为广告片段生成免版税音乐，降低版权采购成本。
• 游戏配乐：为游戏场景生成氛围音乐，缩短制作周期。
• 个人娱乐与社交分享：零基础用户生成专属歌曲，分享到社交平台。
• 音乐灵感激发：音乐人输入片段旋律或描述，快速获取编曲灵感。

短视频背景音乐：60 秒视频生成高契合度 BGM

短视频创作者上传一段 60 秒的街拍或旅行视频，天谱乐逐帧分析画面情绪后生成配乐。输出为带字幕的 MP4 文件，可直接发布。相比手动搜索版权音乐库，该流程节省了时间，也避免了侵权风险。但生成质量不稳定：同一段视频多次生成，结果可能差异较大。创作者往往需要生成 3 到 5 次才能选到满意的版本。

影视与游戏配乐：3.5 分钟纯音乐能否满足专业需求

影视和游戏配乐通常需要多段音乐、精确的时间轴对齐和复杂的情绪变化。天谱乐生成的 3.5 分钟纯音乐在长度上可覆盖短镜头或过场动画，但缺乏与画面的帧级同步能力。专业配乐师仍需要 DAW 进行精细调整。该工具更适合作为快速草稿工具，而非最终交付方案。公开报道未提供任何影视项目采用天谱乐作为正式配乐的案例。

个人娱乐与社交分享：从自拍到发行级歌曲

普通用户上传一张自拍，天谱乐可生成一首带歌词的歌曲，并演唱出来。官网展示的案例中，用户输入「写一首送给初恋的甜蜜回忆之歌，使用 R&B 风格」后，得到了一首 2064 次播放的作品。这种「发行级歌曲」的宣称需要谨慎看待：生成的人声虽然逼真，但歌词深度和旋律原创性仍有限。社交分享的乐趣大于音乐本身的艺术价值。

天谱乐主要价值：降本增效与创作门槛降低

天谱乐宣称能为音乐人、影视从业者和普通用户带来具体收益。对于音乐人，15 秒出曲替代了数小时的编曲草稿；对于影视广告，免版税音乐减少了版权支出；对于普通用户，零基础生成歌曲提供了创作乐趣。但这些价值需要量化验证：公开数据未提供任何企业客户的成本节省案例。

专业音乐人的效率提升：15 秒出曲替代数小时编曲

传统编曲从和弦设计到配器完成，通常需要数小时甚至数天。天谱乐在 15 到 20 秒内生成一首 3.5 分钟的纯音乐，效率提升显著。但生成结果只是「草稿级」：音乐人仍需手动调整和弦走向、替换乐器音色、修正节奏问题。宣称的「替代数小时编曲」更准确的说法是「替代数小时的草稿阶段」。

影视广告的降本增效：免版税音乐减少版权支出

影视广告使用商业音乐需支付版权费，单曲授权费从数百到数万元不等。天谱乐生成的音乐免版税，理论上可大幅降低成本。但免版税不等于无风险：AI 生成音乐的版权归属尚存法律争议，商用前需确认平台条款。公开信息未说明天谱乐生成音乐的商用授权范围。

普通用户的创作乐趣：零基础生成发行级歌曲

没有音乐背景的用户输入一句话，就能得到一首完整的歌曲。这种即时反馈带来的成就感是真实的。但「发行级歌曲」的宣称过于乐观：生成作品在旋律记忆点、歌词深度和混音质量上，与专业发行作品仍有差距。普通用户更应将其视为娱乐工具，而非职业跳板。

最近的变化：天谱乐 V4.7 更新了什么

2026 年 WAIC 期间，趣丸科技发布了天谱乐 V4.7。此次更新重点不是提高音质或延长时长，而是让 AI 生成的音乐更容易控制、更适合继续修改。核心升级包括 Remix 改写、翻唱 Cover 能力和参考音频泄露优化。V4.7 同时接入了对话式音乐创作智能体 Tunee，并通过 OpenAPI 向开发者和企业开放。

Remix 改写与翻唱 Cover：二次创作能力实测

V4.7 允许用户上传已有音乐素材，在保留核心旋律的基础上，重新设计曲风、编排和演唱方式。例如，一段抒情旋律可被改编为电子、摇滚或轻爵士风格。翻唱 Cover 则支持更换歌词和演唱音色，同时保持原曲辨识度。实测中，用户可通过提示词调整乐器音色、和声、人声及伴唱。但公开报道未提供具体的操作界面截图或用户评测数据，实际易用性未知。

快速回归动机：翻唱时如何避免歌词错位

翻唱场景中，新歌词与原歌曲的字数、段落长度往往不一致。如果模型机械复刻原曲，歌词与旋律容易错位；如果赋予过多自由，又可能偏离核心旋律。V4.7 的解决方案是「快速回归动机」：模型根据新歌词和结构进行适当改写，同时在关键位置重新收束到主旋律，维持辨识度。这一技术方案听起来合理，但缺乏独立的听感测试验证。

参考音频泄露优化：生成结果更干净独立

参考音频泄露是指模型在学习原歌曲时，过度复制原始人声和音色，导致生成结果缺乏独立性。V4.7 针对这一问题进行了优化，减少对原始人声和音色的直接复制。公开报道称生成结果「更独立、干净」，但未提供对比音频或频谱分析。用户需自行上传参考音频测试才能判断实际效果。

天谱乐总体评价：多模态生成的优势与翻唱短板

天谱乐的核心优势在于多模态输入：图片和视频生曲能力在同类工具中少见，适合短视频配乐场景。V4.7 的 Remix 和翻唱功能提升了二次创作的可控性。但短板同样明显：翻唱质量依赖「快速回归动机」技术，实际效果未经独立验证；生成音乐的商用版权条款不透明；专家模式的参数调整深度不及专业 DAW。综合来看，该工具适合需要快速获取配乐的短视频创作者和寻求灵感的音乐人，不适合追求精细控制的专业制作。

国内可用性：中文界面、访问速度与支付方式

天谱乐官网为中文界面，国内访问无需特殊网络环境。支付方式方面，API 按规模付费，但具体价格和支付渠道未公开。唱鸭 App 用户可直接登录，数据互通。网页端功能完整度可能不及 App 端，用户需自行测试。公开信息未提及免费试用额度或退款政策。

行业地位：趣丸科技的技术积累与市场认可

趣丸科技在 AI 音乐领域的技术积累主要体现在自研多模态音乐生成大模型和算法大赛获奖记录。公开报道称其曾获算法大赛全球总冠军，并与广州文旅、新华网等合作推出 AI 音乐作品。但市场份额数据缺失，无法判断其在 AI 音乐生成市场的实际地位。融资情况未在本次搜索事实中披露。

底层模型技术栈：多模态理解与长序列音乐建模

天谱乐基于自研的多模态音乐生成大模型，支持 30 多种语种。技术核心包括长序列音乐语义建模、画面情绪理解模型和逐帧影像识别算法。模型能理解音乐的和弦、旋律、歌词、演唱风格等复杂特征，并生成与之匹配的音频。参数规模、推理架构和训练数据量均未公开。官网补充字段提到「单首最长 5 分钟」，但早期版本宣称 3.5 分钟，版本差异未解释。

参考资料

• CSDN（2025-01-08）— 天谱乐 1.0 版本功能介绍与三种输入方式说明。
• 网易（2026-07-18）— 天谱乐 V4.7 发布细节，含 Remix、翻唱与参考音频泄露优化。
• 腾讯网（2026-07-18）— 第三方评测数据：V4.7 与 Suno V5.5 等竞品的对比结果。
• tianpuyue.cn（2025-01-14）— 官网展示的文本生曲与视频生曲案例及播放数据。