MusicLM

MusicLM将条件音乐生成的过程转换为分层的序列到序列建模任务，并以24 khz的频率生成音乐，该音乐在几分钟内保持一致。他们的实验表明，MusicLM在音频质量和遵守文本描述方面优于以前的系统。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哨声和嗡嗡声的旋律。为了支持未来的研究，我们公开发布了MusicCaps，这是一个由5.5k个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。