WanSong crea música como un escultor talla una estatua: comienza con ruido, similar al rugido de una cascada, y poco a poco elimina todo lo superfluo hasta que emergen notas y voces puras. Este método — difusión — transforma el caos en orden, como la tinta que se dispersa en el agua, pero al revés. El modelo no pega sonidos a partir de fragmentos, sino que da a luz una canción terminada de una vez.
A diferencia de soluciones anteriores, WanSong genera hasta cinco minutos de música en una sola pasada y produce dos pistas separadas: voz e instrumentos. Se trata de un verdadero modelo fundamental, que simplifica el análisis del espectro sonoro para su edición. Además, una técnica especial reduce el número de pasos, y todo sucede mucho más rápido.
El mismo principio de difusión se enseñó primero a crear imágenes fotorrealistas. Ahora compone pistas completas: un giro inesperado de la creación visual a la auditiva.
Las redes neuronales de difusión primero dibujaban imágenes, y ahora componen música.
Como en la película 'Ella', donde el sistema operativo compone música, WanSong lo hace realidad.