一键部署腾讯 AI 音乐生成模型 — CNB GPU 云端运行

基于腾讯 SongGeneration 和 ComfyUI 的 AI 音乐生成环境。Fork 本仓库到 CNB 平台即可在 GPU 云端一键启动，支持歌词/旋律/风格提示词输入，生成带人声的完整歌曲。

1. Fork 本仓库到你的 CNB 账号
2. 在 TERMINAL 中执行 sh start-comfyui.sh 启动 ComfyUI
3. 菜单中按快捷键 w，选择工作流，运行开始生成（约几分钟）
4. 生成完成后在页面收听结果
5. 生成结果在 ComfyUI/output/ 目录下，可右键下载到本地

方式	说明	适用场景
提示词（prompt text）	用文字描述风格、情感、乐器	快速试听、风格探索
提示音乐（prompt audio）	上传参考音频引导生成	参考特定旋律风格

• 不同段落用空行分割
• 歌词用换行分割
• 已内置自动格式化，会转换为模型匹配格式

• 风格列表
• 情感列表
• 乐器列表

详见 项目文档 - Input Guide

您的浏览器不支持 FLAC 播放。音频文件见 assets/results/song_audios03111858.flac

SongGeneration-comfyui/
├── README.md                      # 本文件
├── Dockerfile                     # GPU 环境镜像定义
├── build-pytorch-devel.sh         # PyTorch 镜像构建脚本
├── start-comfyui.sh              # ComfyUI 启动脚本
├── SongGeneration_v2.json         # ComfyUI 工作流配置
├── .cnb.yml                       # CNB 云开发配置
├── patch/
│   └── generate.py                # 歌词格式化补丁
├── models/                        # AI 模型权重（Git LFS）
├── assets/
│   ├── sample_prompt_audio.wav    # 示例参考音频
│   ├── results/                   # 生成结果
│   └── SongGeneration_v2_rap_long_wip.json  # 额外工作流
└── docs/
    ├── 安装技术细节.md             # 详细安装文档
    └── images/
        └── song-generation-demo-cut.webp  # 操作演示截图

# 前置要求：NVIDIA GPU，Driver 580.95.05+，CUDA 13.0+
docker build -t docker.cnb.cool/examples/ecosystem/ai-devel/tencent-song-generation-comfyui:v0.3.43-cu12.4-torch2.6 .
docker run --gpus all -p 8188:8188 <镜像名>

详见 docs/安装技术细节.md

Q: 生成一首歌需要多久？ A: 通常 3-5 分钟，取决于歌词长度和 GPU 规格。CNB H20 GPU 约 3 分钟。

Q: 中文歌词会唱错字吗？ A: 已内置歌词自动格式化补丁，大幅减少唱错字现象。建议使用换行分割歌词，段落间留空行。

Q: 支持哪些音乐风格？ A: 支持流行、摇滚、R&B、嘻哈、古典等多种风格，详见 genre.txt。

Q: Python 3.11 可以吗？ A: 不行。Python 3.11 的 dataclass 升级导致默认值类型不兼容，已锁定 Python 3.10。

• Tencent SongGeneration — 腾讯 AI 音乐生成模型
• ComfyUI_SongGeneration — ComfyUI 插件适配
• CNB 镜像