DiffRhythm
十秒出整曲，快得能当草稿机，结构要自己盯。
模型档案开源权重扩散模型整曲生成
模型档案
- 厂商
- ASLP Lab（西北工业大学）
- 形态
- 本地模型
- 输入
- 歌词 · 文本
- 输出
- 音频
- 条款
- 代码以 Apache 2.0 放出，权重与后续版本（含 DiffRhythm+）的商用范围另行标注，以仓库与模型卡为准
- 核对日
- 2026-10-31
相关
十秒与五分钟
DiffRhythm 把整首歌压进一次扩散：歌词加风格提示，十秒左右出四分钟上下的成品，人声与伴奏一起。它不追求逐句精修，卖点是速度与完整度。做短视频配乐、给客户三个方向、批量试风格，这种速度很有用；要抠咬字和混音，它给不了。官方标称最长可到四分四十五秒，实际长度受歌词行数与版本影响。
两样输入，一段成品
歌词按行写，段落可以用标记分开；风格提示写曲风、情绪、配器，越具体越稳。输出是混好的立体声，没有分轨。模型对歌词的排布有自己的判断，句子太长会被压缩，段落标记也不总被照做。想控制结构，先把每段行数写匀，再在提示里点明主副歌的对比。
| 你写的 | 它常给的 | 要盯的地方 |
|---|---|---|
| 四行主歌、四行副歌 | 结构大致对，副歌会抬高 | 第二次副歌是否原样重复 |
| 一句风格描述 | 配器与情绪接近 | 低频与鼓的密度 |
| 长句、多音节词 | 咬字被压扁 | 句尾与高音区 |
快，适合放在流程前段
一首歌十秒，意味着一个下午能试几十版。把歌词、风格、段落拆成几组变量，固定其他项，能快速找到可用的方向。后续版本也能做续写和局部改，但改动的边界不清，常常一动就换掉整段配器。适合当草稿机，不适合当终稿；真正的混音、修音、分轨，仍要回到 DAW 或别的工具。
重复、漏句与结构失控
- 副歌第二次出现时原样复制，连鼓的过门都一样。
- 长歌词漏句，尤其是句尾的虚词。
- 段落标记被忽略，桥段直接消失。
- 人声与伴奏的响度不齐，批量出歌要逐条归一。
- 中文声调在快句里糊，英文连读反而更稳。
本地跑与替代
8GB 显存能跑基础版，生成速度快，适合反复试。权重与代码的许可分开看，后续版本与 DiffRhythm+ 的商用范围不同，发行前确认模型卡。替代：要更长、更稳的整曲，换 YuE；要网页端省事，换 Suno；要分轨与后期，换腾讯音乐天琴这类平台工具。
在库中听例子
Home, Sweet Home六十三秒的分节歌，看主歌反复时歌词怎么排（C1）详情Sally in Our Alley四十四秒的分节歌，看主歌反复时歌词怎么排（C1）详情Als die alte Mutter九十九秒的艺术歌曲，长句多，适合看漏句与咬字（C1）详情pop-groove7 · 138 BPM · beat 4/4138 BPM 流行鼓组，看生成曲的节拍底盘（C1）详情
每首均来自 midicn-lib，行内徽标为许可档位（C1 可商用 / C2 非商业 / C3 仅学习研究）。
同一条线
事实来源
- DiffRhythm 官方仓库与论文（ASLP Lab）关于潜在扩散、整曲时长与输入格式的说明。
- DiffRhythm 模型卡上的权重许可与版本差异。
- 公开用户报告中的重复、漏句与结构问题，只取现象，不引用具体评测数据。