6月13日，Meta（Facebook、Instagram等母公司）宣布开源了一款新的语言模型MusicGen，用户通过文本可直接生成音乐。
除了使用文本生成音乐之外，MusicGen还支持用户上传示例音乐，以增强音乐生成的准确性。例如，一首欢快的电子舞曲，带有切分音鼓、轻快的铺垫和强烈音乐波峰。然后再上传一首类似的歌曲《I Can’t Stop》，点击生成即可。
「AIGC开放社区」体验了一下MusicGen，简单易用功能强大，资源消耗却很小。生成的音乐基本符合文本提示，音质通透、音频稳定、音峰抖动强烈等。总之，高音甜、中音准、低音稳，适合制作摇滚、舞曲、古典、流行、怀旧等背景音乐。
不得不感慨生成式AI的强大，普通人使用ChatGPT+MusicGen+Gen-2，仅用文字就能制作一部微型电影或音乐MV。可能目前效果还稍差一些，但5年、10年之后，到那时AI真的会颠覆文娱创作模式。
MusicGen是一种文本到音乐的语言模型。MusicGen采用的是单级自回归 Transformer（ChatGPT也借鉴了该模型）模型。该模型使用32kHz EnCodec 分词器，4个 50 Hz 采样的码本进行训练，并且一次可以生成4个样本。
MusicGen拥有300M、1.5B和3.3B三种参数。如果在本地使用， 16G GPU内存就能运行。
MusicGen与 MusicLM、Riffusion、Musai等类似产品采用了不同的技术，不依赖自我监督的语义表示。而是以文本描述或旋律特征为条件，可以更好地控制音乐输出符合文本提示标准。
MusicGen模型使用了20,000小时的授权音乐数据进行训练，包括整个曲目和单个乐器样本。具体来说，MusicGen依赖于10000小时高质量音乐曲目的内部数据集，以及 ShutterStock和Pond5的音乐数据。
目前，Meta在https://huggingface.co/spaces/facebook/MusicGen提供了免费测试地址，使用方法非常，无需注册可直接使用。（目前测试人数较多，可能会出现连接错误提示，多刷新几次就行）
1)登录测试平台，在文本处输入一段描述，例如，带有旋律合成器、朗朗上口的节拍和动感强劲的低音，80年代电子摇滚风格。
2）如果想增强音乐输出的准确性，可以点击上传类似音乐。也可以不上传音乐直接点击【Generate】。
MusicGen与MusicLM、Riffusion等同类产品进行了比较，体现其功能的强大。例如，很强的旋律、热带打击乐和欢快节奏的流行舞曲，非常适合在海滩听。
MusicGen的音乐更通透、清晰、稳定，律动性也符合用户描述标准。更多音乐比较地址：https://ai.honu.io/papers/musicgen/
Meta表示，目前MusicGen还处于迭代、优化阶段，未来将开放模型训练代码以及更多的音乐功能，从而颠覆音乐行业的创作流程。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
