最近 AI 圈子很熱鬧，雖然大家都在玩那隻一直改名字的龍蝦，但網路上各種教學已經很多了，所以這週我不打算蹭這個熱度。
今天想跟大家介紹的是一個最近發現的專案：HeartMuLa。這是一個完全開源的歌曲生成模型，不管是程式碼還是權重都採用 Apache 2.0 協議。最重要的是，它解決了以往開源音樂模型「要嘛硬體需求高不可攀，要嘛生成品質慘不忍睹」的痛點。
為什麼要關注 HeartMuLa？
提到 AI 音樂生成，大家第一時間想到的肯定是 Suno 或 Udio。這些商業閉源方案雖然強大，但畢竟需要付費且依賴雲端。而 HeartMuLa 的出現，讓在家用電腦上跑出高品質音樂成為可能。
1. 親民的硬體需求
它的模型大小僅有 3B。這意味著什麼？只要你的顯卡擁有 8GB 到 12GB 的 VRAM，基本上就能在本機順暢運行。這對於大多數擁有中階顯卡的玩家來說，是一個巨大的福音。
2. 媲美 Suno 的品質
根據開發團隊的說法，HeartMuLa 最新的模型品質可與 Suno 媲美。它支援常見的 英文、中文、日文 等語言歌詞。
根據官方提供的資料，它念錯歌詞的比率甚至比 Suno V5 還要低！整體的音樂性我個人測試下來也相當不錯。
3. 高效率的生成架構
HeartMuLa 使用了 Llama 3.2 的架構，並訓練了一套超高效率的音訊編解碼模型。
- 傳統模型：通常需要 25Hz 或 50Hz 的 Frame Rate 才能還原細節。
- HeartMuLa：僅需 12.5Hz 就能還原豐富細節。
這讓生成速度大幅提升。以我的 RTX 4070 Super 為例，生成一首 4 分鐘的歌曲，大約只需要 10~11 分鐘（約音樂長度的 2.5~3 倍時間）。
本機部署: 自製一鍵安裝懶人包
雖然 HeartMuLa 很棒，但目前的安裝方式對一般使用者來說非常不友善：
- 官方 Repo：沒有 UI 介面，需要手動修改 TXT 檔填入歌詞和標籤，再用指令生成，非常麻煩。
- ComfyUI 節點：雖然有介面，但在 Windows 上安裝環境極其痛苦。你需要手動處理 PyTorch 的 GPU 版本、FlashAttention、Triton 等組件，這些在 Windows 上都很難自動裝好。
為了讓大家能輕鬆體驗，我稍微「偷懶」了一下，直接幫大家製作了一個 整合 WebUI 的一鍵安裝包！
使用教學
- 下載並解壓縮：下載我提供的懶人包，並將其解壓縮。
- 下載模型：下載完解壓縮後，先執行
download_models_hf.bat下載模型（因為官方有提供 ModelScope，我也整合進去了）。
- 啟動程式：等待模型下載完成後，點擊
run_gradio.bat啟動 WebUI。
就是這麼簡單！瀏覽器會自動彈出 WebUI 操作介面。
操作指南與提示詞技巧
進入介面後，你會發現操作邏輯跟 Suno 有點像，主要分為歌詞區和風格標籤區。
1. 歌詞結構 (Lyrics)
官方範例支援以下標籤來控制歌曲結構，記得用中括號 [] 包起來：
[Intro](前奏)[Verse](主歌)[Prechorus](導歌)[Chorus](副歌)[Bridge](橋段)[Outro](尾奏)
2. 風格標籤 (Tags)
這裡要注意，不要使用自然語言描述（例如：「一首悲傷的歌」）。建議使用單詞並以英文逗號分隔，像這樣：
J-pop, female vocals, energetic, piano
3. 進階控制
理想上，你可以在歌詞段落下方額外添加風格控制，例如：
|
|
不過我自己實測，這種額外提示很容易「漏氣」，被模型當作歌詞唱出來，所以效果見仁見智。
4. 參數設定
介面下方可以調整音訊長度、TopK、Temperature 等參數，如果想要生成快一點的話，也可以開啟 4-bit 量化，犧牲一點品質來換取速度。目前的模型版本是 3B，未來官方發布 7B 版本後，品質應該會更上一層樓。
生成歌詞的提示詞
這邊順便提供給大家，我寫好的歌詞生成提示詞範例，試試看使用他來在 ChatGPT 或 Gemini 上生成歌詞。
|
|
試聽與總結
這邊我就提供給大家我自己測試生成覺得生成的比較好的中文歌詞，讓大家聽聽看他的效果。
其他的詳細介紹與一些日文、英文片段的試聽，大家可以到 YouTube 影片上查看。
以上就是本篇全部的內容，我已經把編好的提示詞範例和懶人包連結都整理好了，歡迎大家下載來玩玩看，打造屬於自己的 AI 音樂工作站！