AudioCraft (MusicGen)

Meta 开源的音频生成模型集合，MusicGen 支持文本与旋律条件生成音乐，可本地部署并自由商用研究。

AudioCraft 是 Meta 于 2023 年开源的音频生成模型集合，其核心组件 MusicGen 专注于音乐与声音的生成。该工具面向开发者、研究者与创意工作者，提供从文本描述或旋律片段生成完整音乐片段的能力，并支持本地部署与自由商用研究。

核心能力

• 文本生成音乐：输入如“欢快的电子舞曲，120 BPM，带有合成器琶音”等描述，模型可输出对应风格、情绪与节奏的音乐片段。
• 旋律条件生成：上传一段哼唱或乐器旋律，模型会围绕该旋律生成完整编曲，适合快速将灵感转化为完整作品。
• 多模型选择：提供不同参数规模的预训练模型（如 small、medium、large），用户可根据算力与质量需求灵活选择。
• 音频修复与扩展：支持对已有音频进行风格重绘或续写，适用于素材补全与二次创作。

技术特点

• 开源可商用：代码与模型权重在 GitHub 上公开发布，采用 MIT 许可证，允许商业使用与二次开发，仅需遵循相应开源协议。
• 本地部署友好：支持在本地 GPU 环境运行，无需依赖云端 API，保障数据隐私与离线可用性。
• 基于 EnCodec 编解码器：采用 Meta 自研的音频分词技术，将音频转换为离散 token 供语言模型处理，实现高效生成。
• 可控性较强：支持通过温度、top-k 等参数调节生成随机性，并允许指定生成时长（最长约 30 秒）。

应用场景

| 场景 | 说明 |

|------|------|

| 音乐创作辅助 | 快速生成背景音乐、样带或灵感素材，供后续人工编辑 |

| 内容生产 | 为视频、播客、游戏等制作免版权背景音乐 |

| 教学与科研 | 用于音频生成模型研究、对比实验或教学演示 |

| 商业项目 | 因可商用授权，可直接用于商业产品中的音频内容生成 |

使用建议

• 对生成质量要求较高时，优先选择 large 模型，但需注意显存占用（建议 12GB 以上）。
• 文本描述越具体（包含乐器、风格、速度、情绪等），生成结果越贴近预期。
• 若需要更长音频，可分段生成后拼接，或使用模型的续写功能。
• 本地部署时，推荐使用 Python 3.9+ 与 PyTorch 2.0 环境，并参考官方 GitHub 仓库的安装指引。

总体而言，AudioCraft 是一个将前沿音频生成技术落到实际应用的低门槛工具。它既适合技术背景的用户进行二次开发，也适合创意工作者快速获取可用的音乐素材。如果你需要可控、可商用且本地化的音乐生成方案，这是一个值得优先尝试的开源选项。

常见问题

AudioCraft (MusicGen) 是什么？

Meta 开源的音频生成模型集合，MusicGen 支持文本与旋律条件生成音乐，可本地部署并自由商用研究。

AudioCraft (MusicGen) 的官方网站是什么？

AudioCraft (MusicGen) 的官方网站是 https://audiocraft.metademolab.com，可直接在浏览器中打开使用。