musicgen

MusicGen 是一个文本转音乐生成模型，由 Meta 构建，作者包括 Jade Copet、Felix Kreuk、Itai Gat、Tal Remez、David Kant、Gabriel Synnaeve、Yossi Adi 和 Alexandre Défossez。它使用一种叫做 Transformer 的架构，从文本输入中生成新的音乐作品，也能把现有的旋律转化成全新的歌，面向音乐创作者、研究者与 AI 开发者。

技术路线上，MusicGen 是一个单一语言模型（LM），通过压缩音乐令牌完成条件音乐生成，不需要多个模型配合。它既能以文本描述为引导，也能以旋律为引导，生成高质量音乐样本。大量评估显示，MusicGen 的表现优于现有基线模型，相关研究还专门检验了模型中每个组成部分的作用。

使用方式上，探索者可以查看公开的音乐样本并访问 github.com/facebookresearch/audiocraft 获取代码，研究者可以阅读其背后的研究论文，开发者则可基于开源代码进行部署与二次开发。

当你想研究条件音乐生成、需要一个可下载可改造的开源模型时，MusicGen 值得投入时间，它有公开代码、公开论文，架构是一个单一语言模型，还支持文本与旋律两种引导方式，风格覆盖古典、爵士、流行。当你想找一个开箱即用、能直接在网页上产出成品音乐的消费级工具时，它并不合适——没有公布订阅价格，也没有面向普通用户的一键服务形态，需要自己部署或依赖第三方集成。