音乐生成

MiMo是小米推出的通用智能平台大模型，专注于智能体代理与长程连贯推理。它通过网页演示与API门户支持快速集成，具备针对长周期代码任务的计算、记忆与进化设计核心。该平台支持多模态交互、开源语音识别与智能体语音合成，通过将复杂世界压缩为可理解语言并预测所需答案，辅助开发者高效构建应用

PixVerse 是全球 AI 视频生成平台，提供文生视频、图生视频、视频编辑、口型同步、音频生成等能力。旗舰模型 V6 支持电影级镜头控制与角色表演。2026 年 1 月发布 R1 实时世界模型，将视频转变为可交互的连续流，并推出 PixVerse Game Engine 将实时世界模型应用于游戏创作，玩家可用自然语言交互，世界实时响应。平台还提供 API、智能体、营销中心、画布等企业级工作流工具。

Runway 是基于自研 Real-World Intelligence 模型构建的云端 AI 创意平台，在同一工作区内提供视频、图像与音频的生成和编辑能力，聚合 Gen-4.5、Seedance、Nano Banana Pro、Lyria 3、Text to Speech 等大量模型。支持改光影、换风格、增删画面元素等指令式视频编辑，并可搭建节点式自定义 Workflows 串联多模型、多模态与中间步骤，面向个人与各规模团队。

ElevenLabs 是 AI 语音与音频生成平台，自研基础模型，提供文本转语音（支持 29+ 语言、低延迟对话）、声音克隆、实时语音转录（Scribe）、音效生成、人声分离，以及与唱片公司和出版商合作打造、可商用的 Music API / Eleven Music 音乐生成模型；同时提供 ElevenAgents 实时对话式语音智能体，并面向开发者开放 API，采用免费加付费套餐模式。

Adobe Firefly 是 Adobe 的一站式 AI 创意工作室，可通过文本提示生成并编辑图像、视频、音频与矢量图，并集成 Google、ElevenLabs、Kling AI、Luma AI、OpenAI、Runway 等第三方模型。2026年8月音频工具全面开放：生成免版税音乐、配音、场景音效，输出可商业使用；AI Assistant 提供每日免费生成并新增支持多模态输入的 Gemini Omni Flash 模型。

ComfyUI是一款面向视觉专业人员的AI创作引擎，通过强大的模块化节点图界面，让用户无需编写代码即可实验和创建复杂的Stable Diffusion工作流。它原生支持SDXL、Flux、Qwen Image等多种图像模型，可生成图像、视频、3D模型和音频等内容。ComfyUI支持Omnigen 2、Flux Kontext等图像编辑模型，具备Inpainting、ControlNet、Upscale Models等功能，可对图片进行局部修改、扩图和超分辨率放大等操作。其智能内存管理可在低至1GB显存的GPU上自动运行大模型，并提供异步队列系统仅重新执行工作流中变化的部分。ComfyUI可在Windows、Linux和macOS上本地运行，也提供官方云端版本，并能通过API端点无缝集成到生产流程中

DeepFake（deepfakeai.pro）是一个在线一体化 AI 创作工作室，将 AI 换脸视频、图片生成、图生视频/文生视频、对口型、AI 头像与 AI 音乐生成整合在同一工作流中，并强调基于同意的合规创作与安全控制，适合内容创作者快速完成从参考图到视频、图像、音频的完整创意项目。

Happy Shrimp 是阿里巴巴旗下 ATH 事业群推出的 AI 音乐创作平台（中文名"快乐虾米"）。用户输入一句话即可生成完整歌曲，平台支持文本生成音乐、文本生成歌词、音频风格转换、背景音乐定制、音效生成等多种音乐创作功能，涵盖旋律、编曲、人声演唱等全流程。产品计划推出 App 版本并在海外上线，面向音乐创作者、制作人、科研人员及自媒体博主、影视作者等群体。

loopclub 是一个在线实时协作音乐创作平台，本质是一台链上鼓机（on-chain drum machine）。用户在浏览器中即可开启一个步进音序器（step-sequencer）会话，无需下载或安装，通过分享链接邀请其他音乐人从任何地方远程加入同一会话，实时一起逐格（cell by cell）点亮单元格、叠加循环（loops），共同构建完整节拍。你添加的每个节拍都归你所有，创作贡献会在 MegaETH 上链确权，并自动获得奖励。在浏览器中实时制作循环免费，认领并拥有链上单元格是可选的低成本步骤

Lunacy Audio Nova 是 Lunacy Audio 推出的云端乐器插件平台：插件库可在 DAW 与浏览器之间无缝使用，通过免费的 NOVA Host 插件加载和切换乐器。创作者可用预制效果模块与 AI 提示词（无需写代码）组装自定义音乐插件，混音、分享并在市场上出售，后续将开放 Nova Builder 让任何人构建或改编插件。首发含 10 款乐器。

Lyria 3.5 是 Google 最新的音乐生成模型，已在 Google Flow Music 中上线。它在旋律结构、歌词质量与人声表现上均有提升，可生成更自然复杂的旋律、更贴合提示词的高质量歌词，以及更真实、发音更清晰、情感更细腻的人声。用户可更方便地控制输出的速度与时长，从 30 秒到 3 分钟不等，创作出完整歌曲。

Manus 是一款通用 AI 智能体产品，官网称其为超越问答、直接执行任务并自动化工作流的行动引擎。用户可通过网页应用、桌面端与移动端下达指令，让它制作幻灯片、搭建网站、做设计、生成游戏，并提供 AI 图像生成、AI 音乐生成、浏览器操作、Wide Research 批量研究、邮件入口与 Slack 集成等能力，另有团队方案、SSO 与 API。

MiniMax-Music3 是 MiniMax 推出的开放权重音乐生成模型，可按创意想法和歌词一次完成作曲、编曲、演唱与制作，输出最长 5 分钟、32kHz 16-bit 立体声 WAV 完整歌曲。采用 Hybrid-LM 分层自回归架构，8B Global LLM 负责长程语义结构，0.6B Local LLM 负责声学细节，配合多层 RVQ 与 Flow-Matching/Flow-VAE 高保真还原，可保持主题、节奏、歌声身份与编曲推进。模型开源权重，提供官方 Live Demo 与 GitHub。

Mureka 是由昆仑万维推出的 AI 音乐生成平台，支持根据提示词生成原创歌曲、音乐、人声演唱与伴奏，并提供音乐编辑器、AI 语音生成与乐器库等工具。平台持续迭代模型版本，其 V9.5 模型基于 MusiCoT 框架，强调编配留白、人声自然与意图精准执行，优化中文国风作品咬字与和声编排，面向音乐制作与内容创作场景开放。

Suno 是一款 AI 音乐生成产品，覆盖网页端与移动端，可将创意直接生成为完整歌曲。平台支持高级音轨分离、将音轨导出为 MIDI、歌词合写与自动保存、截图生成歌曲等创作能力，并已接入 Apple CarPlay 与 Android Auto 车载场景，适合内容创作者和音乐爱好者快速完成从灵感到成品的音乐制作流程。

Treblo（前身 Sonauto）是一个 AI 音乐生成平台，可将任意想法生成完整歌曲，支持自写或自动生成歌词、数千种风格标签、分段调整与重生成、多格式下载，并提供 iOS 与安卓客户端；官方另开源了检测歌曲是否由 Treblo 模型生成的分类器。

Venice 是一个以隐私为核心的 AI 模型访问平台，用户可用匿名或私有模式调用主流厂商模型，完成文本对话、图像生成、视频生成、代码编写与智能体搭建。平台提供统一的开发者 API，覆盖文本、图像、视频、音乐、语音、向量嵌入与联网工具，并以匿名化、零数据留存、TEE 可信执行和端到端加密四级隐私架构保护提示词。

剪映是字节跳动旗下的一站式AI视频创作平台，集AI视频生成、多轨道专业剪辑、数字人、AI音乐、文本朗读与音色克隆于一体，提供超清画质、AI补帧、智能调色、人声分离、智能剪口播等能力，支持PC与移动端，服务自媒体口播、影视二创、政企宣传与营销推广等创作场景。

音潮是以自研音乐大模型为核心的全自研AI音乐创作平台，提供歌曲生成、歌词生成、歌曲仿写与扩写等能力。V4.0升级大幅提升指令理解与情绪语义解读，实现全球十种主流语种创作全覆盖，并向C端开放纯音乐生成。同步推出音潮API Platform，面向企业、开发者提供按次计费的标准化音乐生成接口，兼容中台与AI Agent自动化音乐生产。

派生万物开放平台是澎湃新闻旗下技术公司推出的媒体AI内容生产平台，包含AI视觉工作室、AI视频工作室与AI办公工作室：支持文字生成绘画与海报、改图消除扩图抠图等图像编辑，支持文本或长文章生成视频、数字人播报与AI音乐创作，并提供AI全能写作、AI演示文稿、AI翻译、AI文档解读与向量化知识库，覆盖智能采策、智能生成、智能分发全链路。