Suno上线Visuals视觉工具:AI歌曲配视频,底座来自中国大模型

资讯 腾讯网 作者:娱乐资本论 全文 3533 字 · 约 9 分钟读完 配图 1 张 分类开源模型开源产品更新开源生态

作者|莉拉 这两天,娱乐资本论身边不少音乐行业从业者,都在讨论Suno的新功能Visuals。 11月17日,美国AI音乐平台Suno上线视觉创作工具Visuals,将图像和视频....

所属频道 产品更新开源生态

最近,音乐行业里不少人都在议论Suno的新功能。娱乐资本论接触的从业者中,这个话题出现频率很高。

11月17日,美国AI音乐平台Suno上线了一款视觉创作工具。

有意思的是,这项功能背后的模型底座,来自一家中国AI大模型公司。

在YouTube上,不少音乐博主发了测评视频,评论区聊得很热。有用户说自己之前用过。

今年年初,娱乐资本论就关注过AI把音乐创作门槛拉低之后创作者面对的现实:写一首歌不难,难的是让它出圈。短视频看起来是AI音乐传播最快的一条路。用AI做音乐的时候,视觉传播就成了创作者绕不开的问题。

这么看,Suno这次推出。

过去几年,Suno给更多人打开了音乐创作的口子,而。

AI音乐得有一套完整的视觉生产力。

过去一年,一首AI歌曲想在各个平台火起来,常常得靠一条点赞10w+的短视频先撕开口子。

比如最近短视频上冒出来的各种“宠物合唱团”。画面里是AI生成的小猫小狗对着口型,唱主人和它们之间的故事。原本只是主人与宠物之间的生活片段,变成了一支能传开的音乐MV。

海外的创作者也在拿AI工具做完整的音乐MV。

前两天,小娱刷到一位YouTuber发布的赛博朋克音乐MV《Just NPCs (feat. Crissy)》,就是其用。

这些现象都指向同一个变化:AI音乐传播越来越靠具体的视觉记忆点。人物、剧情、场景和音乐情绪凑到一起,歌曲才有机会挤进短视频的内容流,拿到更长的讨论和传播周期。

视觉上的需求,也已经渗进音乐综艺的制作环节。

音综导演诗文告诉娱乐资本论,就当下而言,AI音乐可以说是听觉和可视化一体的产物。

她说,目前国内接触过的AI音综提案,大多要把一首歌的视觉呈现考虑进去,“我们之前做过一个提案,就是用音乐作品+创作mv的形式让选手竞赛。”

AI音乐短视频和音综之外。

河豚君此前采访过的小旭音乐,就是从一家传统音乐公司转型做AI歌手矩阵,试着给不同风格的AI音乐配上不同的歌手形象。举例来说,他们旗下走民俗、荒诞曲风的AI歌手,视觉上带着浓厚的中式怪诞感。歌曲情绪和画面里的诡异氛围搭在一起,相关内容单条播放量达到千万级。

很明显,AI音乐行业的竞争,一定会延伸到视觉内容的生产能力上。AI音乐想真正走到台前,就得和可视化内容结合。

这正是Suno推出。

当然,对AI音乐创作者来说,做完一首歌之后还有一串具体问题要解决:怎么让同一个角色出现在不同视频里,怎么让人物唱歌时的嘴型跟上音乐,怎么让画面呼应歌词和歌曲情绪。Visuals把这些需求直接塞进了音乐创作流程。

Visuals可以让用户挑平台提供的原创角色,也可以上传参考图片,让生成视频沿用指定的人物形象;视频能呼应歌曲结构和歌词,并支持演唱。

对用户来说,参考图片有助于让歌曲的视觉IP形象保持一致。

用户还能把音乐和文字提示放在一起,生成最长15秒的视频片段,再用时间轴做延长、编排和编辑。歌词视频、专辑封面这些功能,也够让一首歌继续长出适合不同平台发布的内容。

照这个路子看,Visuals一上线,AI歌曲的生命周期就被视觉内容撑长了。音乐生成只是开头,角色、MV和不断更新的内容,才是AI音乐触达更多听众的关键环节。

把用户需求和产品功能一一对上之后,小娱更想知道的是:Suno作为AI音乐平台,怎么与

AI音乐到底需要什么样的视频工具?

回答这个问题,先得从产品需求那边做个判断。

在小娱看来,Suno要的视频工具,起码得满足两个条件:懂音乐,也懂Suno自己的创作生态。

先讲懂音乐这一条。

音乐生成器里的视频功能,对模型提出的要求和普通文生视频很不一样。

用户手里已经有一首完整的歌,模型得围着这首歌来组织画面:搞懂歌曲的节奏和结构,认出歌词在表达什么,对上相应的画面情绪,还得处理人物形象和演唱状态之间的关系。

人物演唱场景尤其如此,口型跟不跟得上音频,直接决定最后视频的观感。

这就要求模型有比较完整的多模态理解和生成能力。文本、图像、视频、音频得在同一套生成流程里配合起来,模型既要看懂用户给的素材,也要看懂不同素材之间的关系。

MiniMax H3的技术路线,恰好就是围着这一点做的。

今年7月31日,MiniMax发布H3,把它定位成通用多模态生成模型;到了8月,MiniMax又开放模型权重,开发者和企业可以基于模型做部署与开发。

以前文生视频、图生视频、视频编辑这些任务是分开处理的,H3不一样,它用统一的模型架构来处理文本、图像、视频和音频构成的多模态上下文。

放进音乐创作场景里,可以想象这样一段过程:

一位Suno用户刚生成了一首歌,想给自己的虚拟歌手做支MV。他上传歌手的形象参考图,输入一段画面描述,再提供歌曲音频,甚至加一段动作参考视频。

模型看懂了这些素材各自在说什么,然后把人物形象、动作、歌曲情绪和声音组织进同一段视频。

创作者给的素材可能来自不同媒介,最后想要的却是一段完整的视听内容。H3能在统一的多模态框架下处理这些输入,创作者不用在图像、视频和音频工具之间来回切换。

它还有个特点和音乐视频的需求直接相关:支持视频和声音同步生成。按照MiniMax公布的技术规格,H3支持

对刚才那位想做MV的用户来说,多张图片能帮着固定虚拟歌手的外形,视频参考能给出动作和表演方向,音频则为画面生成提供歌曲内容。

原生音视频生成能力,也让声音和画面能在同一生成流程里得到处理。创作者可以围绕一首歌反复生成不同片段,再挑出来、编排成完整作品。

对Visuals来说,这套能力提供了比较合适的技术基础:用户上传角色参考图,模型围绕歌曲生成画面,再通过

当然,通用模型的能力只是起点。Suno真正需要的,是一套能“无缝衔接”音乐产品和用户习惯的视频生成工具。

拆开说,Suno长期泡在音乐生成场景里,对用户怎么创作歌曲、怎么使用歌曲,以及想围绕歌曲生成什么样的视觉内容,都有自己的理解。一个通用视频模型就算有多模态生成能力,也得进一步适配具体产品场景,才能把这些能力变成用户真正用得上的功能。

反过来看,对Suno而言H3更关键的一点,是它走的是开源路线。

MiniMax把H3的模型权重开放出来,Suno因此有了继续定制的余地。比起直接接入一个封闭的视频生成服务,权重开放意味着合作方能按自家产品需要去做部署、调整和后训练,把模型能力接进自己的技术流程。Suno首席产品官Jack Brody也提到过,团队拿自己的数据对这个开源模型做了优化,让它更贴合音乐视频的制作。

按Suno官方FAQ的说法,Visuals所用的模型名称是

好的技术合作,多半起于双方各有所需,又在互相成就里打开新空间。这么看,Suno选中MiniMax,是“一个有能力,一个有场景”的双向选择:MiniMax交出模型能力和开发空间,Suno拿自己的音乐场景和用户需求,让H3有了更清楚的落地路径。

技术有了用武之地,产品拿到了继续进化的空间,用户“渴望已久”的需求也被接住了,三方都赢。

从Suno到好莱坞,开源模型在海外走到了哪一步?

一个开源模型能走多远,要看全球开发者拿它做出了什么。

Suno只是H3进入海外文娱产业的一个入口。最近三个月,围绕这款模型的开发与合作,已经铺到专业影视制作、视频生成平台,还有更底层的技术开发环节。

AI影视公司

对Utopai这类公司来说,视频生成模型要应对的是电影、剧集制作里更具体的专业要求。在H3基础上继续开发专业模型,也意味着它能把自身的影视制作经验带进模型训练,让通用的视频生成能力更贴近专业制作的需要。

类似的二次开发,也出现在视频生成平台上。

Pika基于H3推出

FastVideo

从这些合作能看出,模型进入文娱产业后,面对的并不是一套统一的需求。影视制作公司在意模型能不能适应专业内容生产,视频工具平台要权衡生成效果、操作体验和产品差异化,音乐平台则想围绕歌曲搭出更完整的视听创作流程。

这正是开源最大的好处:同一套模型进入不同公司的业务体系,就能长出不同的产品形态,模型能力会成为企业产品的核心能力之一。合作方也就可以把研发投入集中在自己最擅长的环节。公开数据显示,H3开源100天,下载量已经超过1.48亿次,衍生模型共1472个。

换个角度看,现阶段开源也给H3提供了一个更大的试验场。海外企业正用具体的业务需求检验开源模型的能力,也让它有机会进入更多细分的内容生产场景。

说到底,开源模型的价值和野心,不只是被世界看见,更是被世界拿去创造。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 英伟达洽谈收购Inception:5亿美元押注扩散模型提速Nemotron

    英伟达正就收购AI初创公司Inception展开深度洽谈,交易估值至少5亿美元,另附基于业绩目标的额外奖励安排。此举旨在为英伟达旗下开源模型项目Nemotron引入扩散模型技术与核心人才。据科技媒体The Information 11月19日报道,三名知情人士透露,上述谈判已进入高级阶段。Inception的扩散大语言

    来源 腾讯网
  2. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  3. GitHub Agentic Workflows转正:10美元默认预算够用吗?

    作者 | Mark Silvester译者 | 田橙GitHub 已宣布 GitHub Agentic Workflows 正式可用。这个开源项目可以在 GitHub Actions 中运行编码智能体,处理 Issue 分类和持续集成(CI)故障分析等代码仓库任务。智能体启动时仅拥有只读权限,其提出的任何更改都由独立作

    来源 腾讯网
  4. LEV模型:让AI自己判断该想多久,三条旧路为何走不通

    你有没有遇到过这种情况:问同事一个简单问题,比如"今天几号",他秒答;但你问他一个复杂决策,比如"这个方案该不该上线",他会愣一下,皱眉,想一会儿才回答。这种"该快就快、该慢就慢"的能力,人类几乎是本能。但对AI模型来说,这件事出奇地难。2026年之前,做选择题式判断的AI模型基本是这样的:不管问题多简单或多复杂...

    来源 腾讯网
  5. 微信短剧审核新规:单集最低时长上调至 1 分钟,AI 制作证明视频 12 月起必填

    IT之家 11 月 20 日消息,据微信短剧内容中心今日发文,为持续建设优质短剧内容生态、提升用户观看体验,平台对短剧审核要求作出两项更新。IT之家整理如下: 一、上调短剧单集最低时长 公告称,为保护用户观看体验、建设优质短剧内容生态,平台将上调短剧单集最低时长标准:单集最低时长由原 45 秒调整至 1 分钟。 本次调

    来源 AI 行业观察
  6. 谷歌 Gemini 登陆 Mac:AI 可后台操控电脑,修图做 PPT 自动完成

    人工智能正从“动嘴皮子给建议”加速走向“动手帮你干活”。11月20日,谷歌正式为 macOS 版的 Gemini 应用推出了“电脑操控”(Computer Use)功能,让 AI 能够跨越桌面应用、本地文件以及网页环境,自主执行多步骤复杂任务。 后台独立运行不抢鼠标,支持实时预览与随时叫停 对于习惯

    来源 AI 开发者社区
  7. 2026最有潜力30岁以下AI领军者TOP20揭晓:年轻人扎进技术腹地

    文 | 陈伊凡图 | AI生成又到揭晓榜单的时候了。今天,虎嗅正式发布“2026最有潜力30岁以下 AI 领军者·TOP20榜单”。如果你还记得去年的名单,应该对其中的 AI 原生应用、面向消费者的 AI 硬件和机器人项目有些印象。过去一年,上榜者陆续向我们更新了各自的进展。有些变化,也让我们重新回想起去年对端侧 AI

    来源 腾讯网
  8. 《幸存者笔记》4人团队2个月回本:150万流水,刘亦周谈AI互动影游

    (关注公众号,点私信,发送:试用,免费试用)AI互动影游《幸存者笔记》在9月12日在Steam平台上线,两个月后交出的成绩单是:用户平均游戏时间超过11小时,全平台全模式下回本并小有盈利。DataEye研究院综合产品销量与售价综合计算:《幸存者笔记》上线2月预计总流水超过150万。最近,DataEye研究院有幸与《幸存

    来源 腾讯网
  9. 腾讯混元Hy4开源:7700亿参数,四大社区同步上线

    腾讯混元11月20日正式开源Hy4模型,同步发布披露安全评估与已知风险的System Card。Hy4为混合专家架构多模态模型,总参数量7700亿、单Token激活约490亿参数,支持最长100万Token上下文。随着Hy4开放,Hy系列大语言模型均已开源。

    来源 凤凰科技
  10. 三星 One UI 9.5 天气 App 测试 AI 提醒:出发前先看目的地天气

    IT之家 11 月 20 日消息,科技媒体 SamMobile 昨日(11 月 19 日)发布博文,报道称在 One UI 9.5 首个 Beta 测试版中,三星正在为天气(Weather)应用酝酿 AI 升级,在用户出发前提醒其查看目的地天气。 IT之家援引博文介绍,系统识别到用户计划前往另一座城市后,天气应用会显示

    来源 AI 行业观察
  11. Snowflake Expedition 2026:AI智能体与实时流式升级?

    2026 年 Snowflake Expedition 大会上,Snowflake 展示了一系列覆盖平台架构的重大升级,正逐步由云数据平台演进为支持自主 AI 智能体、实时流式应用和对话式商业智能的统一引擎。 此次发布围绕一个核心理念展开:AI 的价值取决于其所依托的企业业务上下文。 通过引入原生业务本体(Busine

    来源 AI 行业观察
  12. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  13. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  14. AI编码效率被评审吃掉:哈佛718家企业数据与2026工具链新变量

    哈佛研究证实AI生成代码并未提升实际交付量,瓶颈已转移至评审环节。Code Mode与Harness架构演进将安全边界移入沙箱,开源工具正拆解工程硬墙。具身智能方面,南京智造大会与北京人形中心论文显示,行业焦点从表演转向落地成本与分层协同。整体趋势表明,AI行业已从技术叙事进入商业化验证、可审计性与稳定交付的深水区。

    来源 AI 应用前沿
  15. Metric AI开源亚美尼亚语模型Ayb 0.5:90亿参数跻身前三

    Metric AI团队推出了Ayb 0.5系列开源语言模型,包含0.8B、4B和9B三个版本。该系列基于Qwen3.5架构,针对亚美尼亚语进行了深度适配,在ArmBench基准测试中表现优异,甚至超越了部分参数量更大的模型。Ayb 0.5不仅支持文本生成和指令遵循,还保留了完整的视觉语言能力,能够用亚美尼亚语描述图片。

    来源 AI 应用前沿
  16. ARTEX开源:AI Agent驱动渗透测试,Planner与Worker如何分工

    ARTEX 是一个基于 LLM Agent 的自动化渗透测试平台,采用 Go 和 Next.js 构建。它通过 Planner 和 Worker 协作,自动梳理资产、生成攻击向量并记录流量。本文介绍其核心架构、部署流程及在授权测试中的实际应用,强调人工复核的重要性。

    来源 AI 应用前沿
  17. 苹果招兵买马做AI Agent:Muse的领跑位置还稳吗

    苹果近期密集招聘AI工程人才,重点开发多Agent协调、长周期推理和工具调用系统。Meta旗下Muse上线后迅速登上苹果应用商店免费榜第二,摩根大通看好其吸引数亿商家、拓展电商变现的潜力。苹果若将AI Agent整合进iOS,或凭借系统入口和用户规模对Muse形成直接竞争。

    来源 华尔街见闻
  18. DeepSeek-VL前负责人张博创业:高瓴投600万美元,押注低门槛大模型

    高瓴投了600万美元。一位DeepSeek早期核心成员,创业了。11月19日,DeepSeek-VL前项目负责人张博(Tony Zhang)宣布,其创办的AI公司Simplex AI正式开源个人智能体产品Linger。这款产品能在用户自己的电脑上运行,替人操作软件、处理邮件,甚至让多个AI助手共同完成任务。为了降低普通

    来源 腾讯网
  19. Prime Intellect推出Model Factory:支持数千GPU训练万亿参数MoE

    智东西(公众号:zhidxcom)编译 | 孙小雯编辑 | 程茜智东西11月20日消息,昨日,美国AI Infra创企Prime Intellect宣布推出模型训练平台Model Factory,企业可根据平台支持的模型和算力配置,更新现成模型的全部参数,或从零训练新模型。该公司称,其底层强化学习框架prime-rl支

    来源 腾讯网
  20. 腾讯阿里单季资本开支双双冲高:AI竞赛进入千亿元季度较量

    腾讯和阿里前后脚交出2026年三季度财报,把烧钱进一步摆在了明面上,AI基建竞赛,已经进入每个季度千亿元级别的较量。 腾讯单季资本开支814.33亿元,同比暴增527%;阿里单季资本开支504.77亿元,同样大涨60%。随之而来的是两家巨头自由现金流大幅转负,从净流入变成净流出数百亿元,如此巨额投入,在国内互联网历史上

    来源 AI 行业观察
  21. 特斯拉FSD V15在美推送:参数升至百亿,与Robotaxi同源

    【TechWeb】11 月 22日消息,今日,特斯拉正式宣布在美国市场开始推送FSD(监督式完全自动驾驶)V15版本,首批面向早期体验计划(EAP)成员。特斯拉官方称,此次更新“升级了端到端驾驶网络的每一个部分”,对安全关键场景的处理能力提升25倍,关键人工干预率获得大幅改善。CEO埃隆·马斯克在社交平台X上评价称,V

    来源 AI 行业观察
向下滚动自动加载更多