Lädt...
Erstelle mehrspurige Musik aus einem Stil, einer Beschreibung oder MIDI. Version wählen, anhören, bearbeiten und herunterladen.
Eingabe
Stil, Beschreibung oder MIDI
MIDI Formate
Ausgabe
Mehrspuriges MIDI · Originale als ZIP
Anwendungsfall
Musikalische Ideen, Bandarrangements und MIDI-Fortsetzungen
Erstelle mehrspurige Musik aus einem Stil, einer Beschreibung oder MIDI. Version wählen, anhören, bearbeiten und herunterladen.
Startwert 42 · 35 s · 5 Spuren
Die Wiedergabe wird aus MIDI synthetisiert. Die Instrumentenklänge bewerten nicht die Audioqualität des Modells.
MIDILM
SF2/SF3 importieren, maximal 512 MB pro Datei. Dateien bleiben lokal auf dieser Seite und werden nicht hochgeladen. Transkribierte Noten bleiben unverändert.
Für Audio- oder Videoprojekte mit 48 kHz. Die Dateien sind etwas größer.
WAV wird mit den aktuellen Klängen, dem Tempo und der Lautstärke direkt im gewählten Format erzeugt. Die Klangqualität hängt auch von der Klangbibliothek ab; mehr Bits verbessern deren Ausgangsmaterial nicht.
Originale MIDI-DateiVollständiges Original-ZIPErzeugungsprotokoll
{
"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
Nennen Sie im Feedback das Werkzeug, die Schritte und das Problem. Screenshots helfen bei der Einordnung.
Erzeugt MIDI für mehrere Instrumente aus einer Textbeschreibung.
Paper-Ergebnis: MOS ↑ 3.2306 ± 0.9160 / 5
Berechnung: GPU · Modell · Lizenz: CC-BY-NC-4.0 (code)
Beschreibungen von Stil, Stimmung und Besetzung werden zu mehrspurigem MIDI.
Paper-Ergebnis: FAD ↓ 0.173 · CLAP ↑ 22.1 · BF16
Tabelle 2: 896 Testbeispiele, FluidR3_GM, VGGish FAD und CLAP × 100. Tempo: 2K token auf einer L40S. Für die FP32-Version dieser Seite liegen keine entsprechenden Messwerte vor.
Berechnung: GPU · Modell · Lizenz: Llama-3.2-Community
Large mit Qualitätsdaten nachtrainiert; nicht in jedem Stil besser.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: GPU · Modell · Lizenz: Apache-2.0
Basismodell · 16 Schichten, 16 Attention-Köpfe.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: GPU · Modell · Lizenz: Apache-2.0
Basismodell · 8 Schichten, 32 Attention-Köpfe.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: GPU · Modell · Lizenz: Apache-2.0
Kontext von 4 / 8 Takten; mittlerer Checkpoint mit 350.5 MB.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: GPU · Modell · Lizenz: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 Takte; Kontext mit 4096 token.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: GPU · Modell · Lizenz: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 Takte; Anschlagstärke und Mikrotiming.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: GPU · Modell · Lizenz: Research / non-commercial weights; MIT code
Kontext von 4 / 8 Takten; kleiner Checkpoint mit 82.5 MB.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: GPU · Modell · Lizenz: Research / non-commercial weights; MIT code
Längenvorgaben in Bereichen von zehn Takten.
Paper-Ergebnis: PhraseFID ↓ 3.81
Berechnung: GPU · Modell · Lizenz: Apache-2.0 (code)
Generierung ohne Längen- oder Strukturvorgaben.
Paper-Ergebnis: PhraseFID ↓ 3.89
Berechnung: GPU · Modell · Lizenz: Apache-2.0 (code)
Experimentelle Struktursteuerung; die Einhaltung der Form ist noch zu prüfen.
Paper-Ergebnis: PhraseFID (7.65)
PhraseFID und SRS mit fester Strukturvorgabe werden nicht versionsübergreifend eingestuft.
Berechnung: GPU · Modell · Lizenz: Apache-2.0 (code)
Stil- und Akkordregeln erzeugen Loops, Stimmen und vollständige Songformen.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: CPU · Regeln · Lizenz: GPL-3.0-or-later
Bandbesetzung und Formvorlagen erzeugen vollständige Arrangements.
Für diese Version liegt keine vergleichbare öffentliche Musikqualitätsbewertung vor.
Berechnung: CPU · Regeln · Lizenz: MIT
Die Werte stammen aus unterschiedlichen Datensätzen und Verfahren. Sie bilden keine Gesamtrangliste und messen nicht die Klangqualität dieser angepassten Laufzeit.
Ränge gelten für die gewählte Metrik unter gleichen Bedingungen. Originaldaten enthalten Referenzmusik und Ablationen, die hier nicht unbedingt verfügbar sind.
Wählen Sie einen Datensatz, um alle Kennzahlen jedes Modells anzuzeigen. Die Zeilen folgen dem offiziellen Rang oder der gewählten Kennzahl. Fett markiert den besten vergleichbaren Wert jeder Spalte, einschließlich Gleichständen. Unterschiedliche Bewertungsprotokolle werden getrennt eingestuft; fehlende Werte erscheinen als -.
Tabellen 1–3: Testmetriken mitteln 10 Stichproben mit je 96 Einträgen; freier Text nutzt 96 weitere. MOS: Blindbewertung von 15 Personen auf einer Skala von 1–5, ± Standardabweichung. Getrennte Ränge je Textbedingung.
± bezeichnet die Standardabweichung.
| Rang nach Kennzahl | Modell | Testbedingung | MOS / 5↑ |
|---|---|---|---|
| 1 | MIDILM | MidiCaps-Testdaten | 3.2306 ± 0.9160 |
| 2 | Text2MIDI-InferAlign | MidiCaps-Testdaten | 2.4861 ± 0.7675 |
| 3 | MuseCoco | MidiCaps-Testdaten | 2.0854 ± 0.9499 |
| - | Referenzmusik Referenzdaten; ohne Versionsrang. | MidiCaps-Testdaten | 4.1010 ± 0.9590 |