MusicLM
谷歌发布了 MusicLM，这是一种人工智能，可以根据您输入的文字创作音乐，例如 DALL-E 2。它是由谷歌研究院创建的一种语言模型。 此外，他们专为音乐创作而设计。
MusicLM 并不是第一个人工智能生成的音乐系统。 Riffusion、Dance Diffusion、Google 的 AudioML 和 OpenAI 的 点唱机 是可比方法的例子。 然而，这些现有系统受到技术限制。
MusicLM 结合了四种不同的 AI 模型：MuLan、AudioLM、w2v-BERT 和 Soundstream。 尽管这些模型中的每一个都具有一组独特的功能。 然而，当它们被整合时，它们产生了 MusicLM！
MusicLM 介绍
MusicLM，这是一种从文本描述中生成高保真音乐的模型，例如“由失真的吉他即兴演奏支持的平静的小提琴旋律”。MusicLM 将条件音乐生成过程转换为分层序列到序列建模任务，它以 24 kHz 的频率生成音乐，并在几分钟内保持一致。我们的实验表明，MusicLM在音频质量和对文本描述的遵守方面都优于以前的系统。此外，我们证明了 MusicLM 可以同时以文本和旋律为条件，因为它可以根据文本标题中描述的风格转换口哨和嗡嗡作响的旋律。为了支持未来的研究，我们公开发布了MusicCaps，这是一个由5.5k音乐文本对组成的数据集，由人类专家提供丰富的文本描述。
介绍
