MusicLM

MusicLM es un modelo para generar música de alta fidelidad a partir de descripciones de texto. El modelo utiliza una tarea jerárquica de modelado secuencia a secuencia y genera música a 24 kHz que mantiene la coherencia durante varios minutos.

La música generada puede condicionarse tanto mediante texto como mediante melodía, lo que permite transformar melodías silbadas o tarareadas según el estilo descrito en un texto. La herramienta también puede generar música a partir de descripciones de pinturas, instrumentos, géneros, niveles de experiencia musical, lugares y épocas. Además, puede crear versiones diversas de una misma indicación de texto y de los mismos tokens semánticos.