Tempolor v4.7 是我们当前的旗舰级音乐生成模型。模型结构上，结合前序模型版本模型的基础上对bottleneck进行重新开发，生成范式上则与真实音乐创作保持一致，通过分层渐进式架构生成 48kHz、双声道高品质音乐。该版本将音乐生成拆解为不同层级的学习与生成任务，实现Coarse-to-Fine的音乐结构化生成：高层负责音乐性与结构组织，中层负责语义与内容表达，底层负责声学细节与高保真还原。所代表当前主流音乐生成范式 "高层语义到细粒声学"的分层生成路径，平衡音乐性与音乐质量。

在可控性方面，除普通生成外，模型还进一步支持精准Remix改写，细粒度音频编辑等功能。

Tempolor v4.7 是第四代分层渐进式架构的持续迭代，本次在基础音乐生成和Cover生成上均有较大的提升。该版本在鼓、贝斯、和声及人声上展现出更清晰的层次感与空间分离度；处理慢节奏、放松类曲风时，情感表达与编曲质感尤为细腻。通过标签或提示调整乐器音色、和声、人声时，模型响应更贴合预期，创作过程更具确定性，作品更容易一次到位。

基础音乐生成在音乐性与音乐语义的表达上大幅升级

• 更懂音乐的基础能力: 进一步优化模型结构与音频表征，并大幅提升训练数据的标注精度，让模型对音乐的理解更加准确。

• 更稳、更准的生成表现: 后训练方案取得进一步突破——可控响应更准、发挥更稳，听感更贴近真实音乐的动态起伏。

• 更强的可控与二次创作: 重新设计自研的自监督音乐表征模型（SSL Model），在音色、旋律、节奏的解耦与融合之间取得平衡，为精准 Remix 与翻唱 Cover 打下基础。

翻唱 Cover 能力重磅升级，音色更纯净、指令响应更强、旋律还原更稳定。

• 精准 Remix 改写: 支持对已有作品进行风格与编排层面的改写重塑，帮助用户快速探索同一素材的多种可能。

• 动机回归: 即便面对翻唱歌词与原音频长短不一、段落不规整等高难度素材，模型也能快速收束回主旋律，避免产生松散的旋律线条，为二次创作提供更可靠的表达空间。

基于中英文测试集（各 30 条，共 60 条），对比 Mureka v9、Suno v5.5、MiniMax v2.6，覆盖 Meta Audiobox Aesthetics 与 SongEval 两套评估体系。