WanSong crée de la musique comme un sculpteur taille une statue : il part d'un bruit semblable au grondement d'une cascade et retire progressivement tout ce qui est superflu jusqu'à ce que des notes pures et des voix émergent. Cette méthode — la diffusion d'entropie — transforme le chaos en ordre, un peu comme l'encre qui se disperse dans l'eau, mais en sens inverse. Le modèle n'assemble pas des sons à partir de fragments ; il fait naître une chanson complète d'un seul coup.
Contrairement aux solutions précédentes, WanSong génère jusqu'à cinq minutes de musique en une seule passe et produit deux pistes séparées : la voix et les instruments. C'est un véritable modèle fondamental qui simplifie l'analyse du spectre sonore pour l'édition. De plus, une technique spéciale réduit le nombre d'étapes, et tout se déroule beaucoup plus rapidement.
Le même principe de diffusion a d'abord été utilisé pour créer des images photoréalistes. Désormais, il compose des morceaux complets — un tournant inattendu de la créativité visuelle à la créativité auditive.
Les réseaux de neurones à diffusion ont d'abord dessiné des images, et maintenant ils composent de la musique.
Comme dans le film « Her », où un système d'exploitation compose de la musique, WanSong donne vie à cette idée.