7月11日，2023中國新媒體技術展在湖南國際會展中心舉行。本屆技術展以“智慧促深融”為主題，重點聚焦人工智能新技術新應用、智慧媒體服務社會治理新場景等，呈現新技術賦能融合發展新生態。
會上，騰訊多媒體實驗室展出了自研AI通用作曲框架XMusic，基于AIGC技術，用戶只需上傳視頻、圖片、文字、標簽、哼唱等任意內容，即可生成情緒、曲風、節奏可控的高質量音樂，能夠大幅降低音樂創作的門檻。該產品前幾日首度亮相2023年世界人工智能大會，并被評為“鎮館之寶”，引發廣泛關注。
隨時隨地實現AI輔助創作，打造專屬“行走的音樂庫”
在日常生活中，用戶對使用音樂有著多種多樣的需求。比如在視頻剪輯時，需要應用多樣的配樂來讓畫面更加生動，但音樂搜索一般只能用歌曲名字、歌手名字等指向性強的信息來搜索，需要耗費大量的時間精力；亦或在商超、會場等場所布置時，傳統的環境音樂選擇容易受到版權限制，很難獲得多樣且合法的音樂素材。
面對這些難題，騰訊多媒體實驗室自研AI通用作曲框架XMusic可以隨時隨地利用AI輔助實現音樂創作，打造個人專屬的“行走的音樂庫”。一張圖片、一段文字、一個視頻，甚至是一段哼唱，XMusic都能夠對應生成出樂曲優美連貫、旋律起伏明顯、節奏強弱交替的高質量音樂。比如輸入“逗趣橫生，讓人捧腹大笑”的描述，XMusic就會生成一段節奏俏皮、旋律歡快的音樂。
對于視頻創作者而言，XMusic無疑是解決配樂難題的一大利器。除此之外，針對互動娛樂、輔助創作、音樂教育、互動娛樂、音樂治療等諸多場景，XMusic也有著很高的實用價值。
以場景音樂生成為例，XMusic的商用級音樂生成能力可以有效解決線下展廳、體驗展、餐廳商超等場景中的環境音樂版權問題，為展廳提供多樣化的公播音樂，并在體驗展中融入多種智能音樂方案，提升展廳的科技感和體驗感。
此外，XMusic也可以發揮重要的教學輔助能力，推進線上音樂教育的發展。比如在智慧音樂課堂中，教師可以用XMusic生成多樣的節拍、節奏、音高練習曲目，結合實際教學場景，發揮AI生成音樂的教學輔助能力，為學生在演奏、練耳等多種場景中提供個性化的指導和訓練，幫助學生更快地提升音樂技能。
全面AIGC能力矩陣支撐，實現音樂高效精準創作
作為本次技術展中的亮點之一，XMusic背后的騰訊多媒體實驗室也受到了廣泛關注，一位熱愛音樂的科學家，帶領一群同樣熱愛音樂的工程師們從零到一落地了XMusic項目。2019年，騰訊多媒體實驗室負責人、騰訊杰出科學家、IEEE Fellow 劉杉博士帶領實驗室開展“基于多模態融合的智能內容生產”相關技術能力研發并逐步完善AIGC能力矩陣。
騰訊多媒體實驗室自研AI通用作曲框架XMusic，是基于自研的多模態和序列建模技術，可以將提示詞內容解析至符號音樂要素空間，并以此為控制條件引導模型生成豐富、精準、動聽的音樂，達到商用級的音樂生成能力要求。
劉杉博士表示，人工智能技術的飛速發展對多媒體和相關領域產生深遠影響。“騰訊（多媒體實驗室）將繼續推動人工智能和多媒體及相關領域的國際和國家標準制定，打造音視頻、互動沉浸和智能媒體核心能力矩陣，通過騰訊云、騰訊視頻、騰訊游戲等業務平臺服務全球用戶、助力各行業發展并踐行科技向善。”
騰訊多媒體實驗室還在展區展出前沿技術方面的三個項目：“全景'云'游東北虎豹國家公園”通過自研技術智能影像處理和自研VR360解決方案供所有人在“云端”走進這片山林秘境；“虛實融合技術”產品，可將傳統虛擬制片的成本與難度大幅降低，無需傳感器，只通過一臺相機或手機，就可將自己植入到虛擬世界中；“騰訊水墨畫”產品融合了視覺、音樂、文字等多種模態，結合山水畫創作、智能作詩、音樂生成等多種技術能力，形成了多模態融合且能互動娛樂的完整技術方案。
騰訊多媒體實驗室專注于多媒體和相關領域的前沿技術探索、產品研發和應用落地，其行業領先的視頻圖片壓縮和處理引擎、沉浸式VR系統和智能媒體能力矩陣，通過騰訊云、騰訊視頻、騰訊游戲等業務平臺服務全球海量用戶并助力傳媒、文化、旅游等行業的發展。同時代表騰訊參與多個國際及國家標準制定，數十人次擔任聯合主席、主編等核心職務，數百項技術提案被國際標準采納，榮獲工程艾美獎、技術盧米埃獎、ISO/IEC杰出貢獻獎等，享有國際盛譽。
未來，騰訊多媒體實驗室將以創新的視角和前瞻的思維，不斷探索多媒體技術與AIGC能力的融合，拓展多領域的應用場景，為用戶提供更加智能、便捷和豐富的多媒體體驗。
