MusicGen：音频生成器 — 功能与运行要求

MusicGen 是 Meta 推出的音频生成器，能将文本描述转化为音频。它属于 Audiocraft 库，解决的是 text-to-audio 任务：用户描述想听到的内容，模型根据该描述生成一段音频。

功能

MusicGen 作为用于音乐生成的语言模型运行。据作者描述，它支持文本和旋律条件控制——也就是说，结果不仅可以通过文字引导，还可以通过旋律引导。其基础是音频压缩器和分词器 EnCodec，作者称其在发布时属于先进水平。

该模型在两个地方可用：代码在 Audiocraft 仓库中开源，模型权重发布在 Hugging Face 上。使用该模型需要借助 transformers 库。作者未提供生成音频的质量细节或时长限制说明。

运行要求

代码主要用 Jupyter Notebook 编写，并以 MIT 许可证分发。模型权重采用 cc-by-nc-4.0 许可证——这允许在注明出处的前提下用于非商业用途。

据作者描述，安装 AudioCraft 需要 Python 3.9 和 PyTorch 2.1.0。最大的权重文件占用 9.3 GB，完整文件集为 19.1 GB。仓库创建于 2023 年 6 月 8 日，代码最后修改日期为 2026 年 3 月 3 日。

适合谁

MusicGen 适合那些尝试按文本生成音频并愿意使用开源代码的人。仓库和已发布权重的存在，使得用户可以研究架构、微调模型或将其集成到自己的项目中——前提是遵守权重的非商业许可证。

对于寻找现成商业服务或不想处理 Python 环境安装和下载数十 GB 数据的人来说，这种形式可能不合适。另外需要注意的是，作者未提供详细的硬件要求，因此在运行前最好检查可用资源。

MusicGen 是一款面向研究人员和开发者的开源工具，适合需要文本生成音频并希望通过旋律进行控制的人。它需要一定的技术准备并注意许可证条款，但能提供对完整代码和模型权重的访问。