Indlæser...
Skab flersporsmusik ud fra en stil, beskrivelse eller MIDI. Vælg en version, og lyt, rediger og download.
Input
Stil, beskrivelse eller MIDI
MIDI formater
Output
Flerspors-MIDI · ZIP-originaler
Brugsscenarie
Musikidéer, bandarrangementer og MIDI-fortsættelse
Skab flersporsmusik ud fra en stil, beskrivelse eller MIDI. Vælg en version, og lyt, rediger og download.
Seed 42 · 35 s · 5 spor
Lyden syntetiseres fra MIDI. Instrumentlyden er ikke et mål for modellens lydkvalitet.
MIDILM
Importér SF2/SF3, højst 512 MB pr. fil. Filerne bruges lokalt på denne side og uploades ikke. De transskriberede noder ændres ikke.
Til lyd- eller videoprojekter med 48 kHz. Filerne bliver lidt større.
WAV syntetiseres direkte i det valgte format med de aktuelle lyde, tempo og lydstyrke. Lydkvaliteten afhænger også af lydbiblioteket; flere bit forbedrer ikke dets oprindelige lydprøver.
Oprindelig MIDI-filKomplet original ZIPGenereringslog
{
"model_profile": "midilm",
"arrangement_seed": 42,
"arrangement_mode": "create",
"arrangement_options": {
"prompt": "A warm jazz quartet in C major at 110 BPM, 4/4 time. Piano plays a clear lyrical melody, acoustic bass keeps a steady pulse, clean guitar adds soft chords, and drums keep a light swing groove. The harmony follows Dm7, G7, Cmaj7 and Am7, with balanced dynamics and recurring melodic phrases.",
"max_tokens": 2047,
"temperature": 1
}
}SHA-256: 60531fb6edff7267c65e932ec148adf26c319b9ca68e4bf9ebf7cd9eda42e7fc
Angiv værktøjets navn, trinene og problemet i din feedback. Skærmbilleder kan hjælpe med at finde fejlen.
Genererer MIDI med flere instrumenter fra tekst.
Publiceret resultat: MOS ↑ 3.2306 ± 0.9160 / 5
Beregning: GPU · modelgenerering · Licens: CC-BY-NC-4.0 (code)
Beskrivelser af stil, stemning og instrumenter bliver til flerspors-MIDI.
Publiceret resultat: FAD ↓ 0.173 · CLAP ↑ 22.1 · BF16
Tabel 2: 896 testeksempler, FluidR3_GM, VGGish FAD og CLAP × 100. Hastighed: 2K token på én L40S. Ingen tilsvarende måling for sidens FP32-version.
Beregning: GPU · modelgenerering · Licens: Llama-3.2-Community
Large finjusteret på kvalitetsdata; ikke nødvendigvis bedst i alle stilarter.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: GPU · modelgenerering · Licens: Apache-2.0
Grundmodel · 16 lag, 16 attention-hoveder.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: GPU · modelgenerering · Licens: Apache-2.0
Grundmodel · 8 lag, 32 attention-hoveder.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: GPU · modelgenerering · Licens: Apache-2.0
Kontekst på 4 / 8 takter; mellemstore vægte på 350.5 MB.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: GPU · modelgenerering · Licens: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 takter; kontekst på 4096 token.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: GPU · modelgenerering · Licens: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 takter; anslagsstyrke og mikrotiming.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: GPU · modelgenerering · Licens: Research / non-commercial weights; MIT code
Kontekst på 4 / 8 takter; små vægte på 82.5 MB.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: GPU · modelgenerering · Licens: Research / non-commercial weights; MIT code
Længdestyring i intervaller på ti takter.
Publiceret resultat: PhraseFID ↓ 3.81
Beregning: GPU · modelgenerering · Licens: Apache-2.0 (code)
Fri generering uden krav til længde eller struktur.
Publiceret resultat: PhraseFID ↓ 3.89
Beregning: GPU · modelgenerering · Licens: Apache-2.0 (code)
Eksperimentel strukturstyring; overholdelse af formen skal stadig valideres.
Publiceret resultat: PhraseFID (7.65)
PhraseFID og SRS med fast struktur indgår ikke i rangering på tværs af versioner.
Beregning: GPU · modelgenerering · Licens: Apache-2.0 (code)
Stil- og akkordregler skaber loops, stemmer og hele sangstrukturer.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: CPU · regler · Licens: GPL-3.0-or-later
Skabeloner for besætning og form skaber komplette arrangementer.
Ingen sammenlignelig offentlig kvalitetsmåling for denne version.
Beregning: CPU · regler · Licens: MIT
Resultaterne bruger forskellige datasæt og metoder. De er hverken en samlet rangliste eller målte kvalitetsresultater for denne tilpasning.
Placeringer bruger den valgte metrik under samme betingelser. Originaldata omfatter referencemusik og ablationer, som ikke nødvendigvis er tilgængelige her.
Vælg et datasæt for at se alle målinger for hver model. Rækkerne følger den officielle placering eller den valgte måling. Fed skrift markerer hver kolonnes bedste sammenlignelige værdi, også ved lighed. Forskellige evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Tabel 1–3: testmål er gennemsnit af 10 stikprøver med 96 elementer; fri tekst bruger 96 andre. MOS: blind vurdering af 15 lyttere på 1–5; ± er standardafvigelsen. Separate rangeringer for tekstbetingelser.
± angiver standardafvigelsen.
| Placering efter måling | Model | Testbetingelse | MOS / 5↑ |
|---|---|---|---|
| 1 | MIDILM | MidiCaps-testsæt | 3.2306 ± 0.9160 |
| 2 | Text2MIDI-InferAlign | MidiCaps-testsæt | 2.4861 ± 0.7675 |
| 3 | MuseCoco | MidiCaps-testsæt | 2.0854 ± 0.9499 |
| - | Referencemusik Referencedata; uden versionsplacering. | MidiCaps-testsæt | 4.1010 ± 0.9590 |