今天和大家分享一个facebook开发的本地电脑无限次生成音乐的软件Audiocraft,这个软件可以通过输入一段描述词文字直接创作出一段音乐,音乐为原创音乐,功能非常强大,本软件为免费开源软件,原项目地址:https://github.com/facebookresearch/audiocraft。

Audiocraft官方介绍:
AudioCraft 是一个用于音频生成深度学习研究的 PyTorch 库。AudioCraft 包含两种最先进的 AI 生成模型的推理和训练代码,可生成高质量的音频:AudioGen 和 MusicGen。整合包我只制作了使用MusicGen模式的。
AudioCraft 为 MusicGen 提供了代码和模型, MusicGen 是一种简单且可控的音乐生成模型。MusicGen 是一种单级自回归 Transformer 模型,通过 32kHz EnCodec 标记器进行训练,具有 4 个以 50 Hz 采样的码本。与MusicLM等现有方法不同,MusicGen 不需要自监督语义表示,并且它可以一次性生成所有 4 个码本。通过在码本之间引入一个小的延迟,我们表明我们可以并行预测它们,因此每秒音频只有 50 个自回归步骤。我们使用 20,000 小时的授权音乐来训练 MusicGen。具体来说,我们依靠 10,000 首高品质音乐曲目的内部数据集以及 ShutterStock 和 Pond5 音乐数据。
AudioCraft整合包使用方法说明
首先将网盘内的软件压缩包下载到本地电脑上并解压。双击启动软件.exe。稍等一会会自动打开webUI界面。整合包默认使用facebook/musicgen-stereo-melody模型,支持输入文本描述词和参考音乐素材。
先在input text里输入想要的音乐描述词英文单词,如果有参考音乐的话,可以在右侧选择音频文件,模型默认选facebook/musicgen-stereo-melody,Duration为合成音乐时长,默认10秒,最大120秒。其它参数可保持默认,点击按钮Submit即可生成音乐。
软件采用的是GPU计算模式,对电脑显卡有要求。
整合包里只预下载了musicgen-stereo-melody和musicgen-stereo-melody-large两种模型,musicgen-stereo-melody为质量和计算之间的最佳平衡,是官方推荐的模型。如果使用musicgen-stereo-melody-large模型,需要先到网盘里将这个模型压缩包下载到hf文件夹内并解压,然后才可使用。如果选择的模型本地电脑上没有的话,软件也会自动下载。
模型名中带stereo为可输出立体声音频。
模型名带melody为可输入参考音乐素材,也可以只输入文本描述词
如果电脑配置较高,Decoder可选择MultiBand_Diffusion,可以提高音频质量
视频教程及效果演示:https://nuowa.net/1748
注意事项
整合包只支持Windows10或11电脑,手机和mac无法使用
软件运行路径中不要出现非英文字符和空格,待使用的音频素材同样注意
Audiocraft并没有明确生成的音乐是否可以商用,大家在使用的时候请注意
AI音乐生成器软件Audiocraft一键启动版下载:
相关推荐
最近更新

openclaw AI助手windows电脑安装部署及微信聊天配置详细教程
openclaw是目前最火爆的开源应用,没有之一,它功能强大远超同类应用。以前AI只是你问它答,OpenClaw可以说是有了手,可以帮你做事,做很多事,如果利用的好,绝对是个利器。下面分享一下windows系统电脑本地安装部署教程,有时候可...

Apple苹果3D 高斯(3DGS)模型ply文件生成器,图片转3D模型软件下载
ml-sharp是Apple苹果团队开发的一款3D高斯(3DGS)生成器,可将图片生成3D效果的ply文件。我基于当前最新版本制作了免安装一键启动整合包。 ml-sharp官方介绍 我们提出了 SHARP,这是一种从单张图像进行照片级逼真视...

字节跳动Dolphin图片文档解析工具免安装一键启动整合包下载,PDF转JSON/Markdown软件
本次再分享一个由字节跳动团队开发的一款图片文档解析工具Dolphin,支持解析表格、公式、文本、代码块等元素,支持图片和PDF文档转为Markdown和JSON格式文件,当前为最新发布的V2版本,各项功能效果都得到较大提升。 Dolphin...

微软最新图片转3D网格模型软件TRELLIS.2 windows版整合包下载,AI一键建模工具
上个月微软发布了图片转3D网格模型软件TRELLIS的2.0版本。之前1.0版本非常受欢迎,当前2.0版本功能更强大,效果更好。我制作了最新windows版免安装一键启动整合包。 TRELLIS.2官方说明 TRELLIS.2 是一款最先进...

FunASR最新模型FunAudioLLM/Fun-ASR-Nano-2512实时语音识别转文字热词版整合包下载
Fun-ASR-Nano-2512是阿里通义实验室前天刚发布的最新最强的一款语音识别转文字模型,支持31种语言,延迟低,在某些专业领域表现出色。我基于FunAudioLLM/Fun-ASR-Nano-2512模型制作了最新实时语音识别转文字...

Crawl4AI:基于AI大语言模型的网络爬虫和数据抓取工具整合包软件下载
Crawl4AI是一款基于AI大语言模型能力的网络爬虫和数据抓取软件,可以将网页转换为简洁、符合 LLM 规范的 Markdown 格式,适用于 RAG、代理和数据管道。它速度快、可控性强。 Crawl4AI官方介绍 开源的 LLM 友好型...

browser-use浏览器任务全自动化AI助手windows电脑版一键启动整合包
本次再和大家分享一个非常牛逼的AI助手软件:browser-use,别问哪里牛逼,反正很多人都在用,社区starts高达72.8K,火遍全球的deepseek 100K,browser-use 72.8K,就问你火不火。之前我也分享过其它类...

FlashVSR低分辨率模糊视频高清放大工具整合包v1.1下载,免安装一键启动
FlashVSR-一款高性能可靠的视频超高分辨率放大工具。迈向基于扩散的实时流式视频超分辨率——一种高效的单步扩散框架,用于具有局部约束稀疏注意力和小型条件解码器的流式VSR。 FlashVSR官方介绍 扩散模型最近在视频修复方面取得了进展...

VibeVoice:富有表现力的长篇多人对话语音合成工具整合包下载
VibeVoice是微软开发的一款富有表现力的长篇多人对话语音合成工具。支持1-4个发音人,支持声音克隆自定义音色合成语音,我制作了最新的本地免安装一键启动整合包及云端在线版。 VibeVoice介绍 VibeVoice:一种前沿的长对话文...

多图编辑人物一致性图片合成处理工具Qwen-Image-Edit-2509整合包下载,人物换装换姿势动作软件
Qwen-Image 是一个功能强大的图像生成基础模型,能够进行复杂的文本渲染和精确的图像编辑。Qwen-Image-Edit-2509是Qwen-Image-Edit的月度更新版本,增加了多图编辑和单图一致性生成功能。 Qwen-Imag...









