MusicLM: Generating Music From Text——基于文本描述生成高保真音乐的人工智能模型
MusicLM: Generating Music From Text 是由 Google Research 开发的人工智能模型,能够根据详细的文本描述生成高保真音乐。该模型将条件音乐生成视为分层序列到序列建模任务,可生成长达数分钟且保持一致性的 24 kHz 音频。它支持仅通过文本、或结合哼唱旋律进行创作,并在音频质量和对文本描述的遵循度上表现优异。此外,项目公开了包含丰富专家标注的 MusicCaps 数据集以支持后续研究。