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 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 coup.
Contrairement aux solutions précédentes, WanSong produit jusqu'à cinq minutes de musique en une seule passe et fournit deux pistes séparées : la voix et les instruments. C'est une véritable modèle standard qui simplifie l'analyse du spectre sonore pour le montage. 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 création visuelle à la création auditive.
Les réseaux de neurones à diffusion dessinaient d'abord des images, et maintenant ils composent de la musique.
Comme dans le film « Elle », où un système d'exploitation compose de la musique, WanSong donne vie à cette idée.