multimodal-audiocraft
AudioCraft 是 Meta 开源的 PyTorch 音频生成库,包含 MusicGen(文本生成音乐)、AudioGen(文本生成音效)和 EnCodec(神经音频编解码器)三个核心组件。它支持从文字描述生成音乐与音效,提供从 300M 到 3.3B 的多种模型规模,并支持旋律条件生成、立体声输出以及基于参考音频的风格迁移。用户可通过 pip 安装 audiocraft 或使用 HuggingFace Transformers 调用,适合音乐创作、音效设计、音乐生成应用开发等场景。