SuperAPI AI 工具集

audiocraft-audio-generation

通用与其它

查看项目

更新于 10-16 06:15

技能介绍

用途:AudioCraft 用于从文本描述生成音乐(MusicGen)、从文本生成音效与环境声(AudioGen),并提供神经音频编解码器 EnCodec 做高保真编解码。

主要能力:MusicGen 支持文本生成音乐、旋律条件生成、立体声输出与 MusicGen-Style 参考风格生成;AudioGen 支持文本生成音效;模型规模覆盖 Small(300M) 到 Large(3.3B);生成参数包括 duration、top_k、top_p、temperature、cfg_coef 等。

安装:pip install audiocraft;或 pip install git+https://github.com/facebookresearch/audiocraft.git;也可用 HuggingFace Transformers(pip install transformers torch torchaudio)。

基本用法:用 MusicGen.get_pretrained('facebook/musicgen-small') 加载模型,set_generation_params 设置时长等参数,调用 generate 生成,再用 torchaudio.save 保存;AudioGen 用法类似,可生成狗吠、雷雨等音效。

适用场景:配乐与音效生成、音乐生成应用开发、旋律条件创作、立体声与风格迁移。

限制:资料中未提供价格与商业授权信息;生成质量与显存受所选模型和时长影响,如 CUDA 内存不足可换更小模型、缩短时长或使用半精度。演练代码请以官方仓库文档为准。