Ładowanie...
Twórz muzykę wielościeżkową ze stylu, opisu lub MIDI. Wybierz wersję, odsłuchaj, edytuj i pobierz.
Wejście
Styl, opis lub MIDI
MIDI formaty
Produkcja
Wielościeżkowe MIDI · oryginały ZIP
Przypadek użycia
Pomysły muzyczne, aranżacje zespołu i kontynuacja MIDI
Twórz muzykę wielościeżkową ze stylu, opisu lub MIDI. Wybierz wersję, odsłuchaj, edytuj i pobierz.
Ziarno 42 · 35 s · 5 ścieżek
Odsłuch jest syntezą MIDI. Brzmienie instrumentów nie mierzy jakości dźwięku modelu.
MIDILM
Importuj SF2/SF3 do 512 MB na plik. Pliki są używane lokalnie na tej stronie, bez przesyłania. Transkrybowane nuty nie zmieniają się.
Do projektów audio lub wideo z częstotliwością 48 kHz. Pliki będą nieco większe.
WAV jest syntetyzowany bezpośrednio w wybranym formacie z bieżącymi brzmieniami, tempem i głośnością. Jakość zależy też od biblioteki brzmień; więcej bitów nie poprawia jej próbek źródłowych.
Oryginalny plik MIDIPełne archiwum ZIPZapis generowania
{
"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
W opinii podaj nazwę narzędzia, kroki i napotkany problem. Zrzuty ekranu ułatwią jego zlokalizowanie.
Generuje MIDI z wieloma instrumentami na podstawie tekstu.
Wynik publikacji: MOS ↑ 3.2306 ± 0.9160 / 5
Obliczenia: GPU · generowanie modelem · Licencja: CC-BY-NC-4.0 (code)
Opis stylu, nastroju i instrumentów zamienia się w wielościeżkowe MIDI.
Wynik publikacji: FAD ↓ 0.173 · CLAP ↑ 22.1 · BF16
Tabela 2: 896 próbek, FluidR3_GM, VGGish FAD i CLAP × 100. Szybkość: 2K token na jednej L40S. Brak odpowiadających pomiarów wersji FP32 tej strony.
Obliczenia: GPU · generowanie modelem · Licencja: Llama-3.2-Community
Large dostrojony na danych wysokiej jakości; nie musi być lepszy w każdym stylu.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: GPU · generowanie modelem · Licencja: Apache-2.0
Model bazowy · 16 warstw, 16 głowic uwagi.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: GPU · generowanie modelem · Licencja: Apache-2.0
Model bazowy · 8 warstw, 32 głowice uwagi.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: GPU · generowanie modelem · Licencja: Apache-2.0
Kontekst 4 / 8 taktów; średnie wagi 350.5 MB.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: GPU · generowanie modelem · Licencja: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 taktów; kontekst 4096 token.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: GPU · generowanie modelem · Licencja: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 taktów; dynamika i mikrotiming.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: GPU · generowanie modelem · Licencja: Research / non-commercial weights; MIT code
Kontekst 4 / 8 taktów; małe wagi 82.5 MB.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: GPU · generowanie modelem · Licencja: Research / non-commercial weights; MIT code
Sterowanie długością w przedziałach dziesięciu taktów.
Wynik publikacji: PhraseFID ↓ 3.81
Obliczenia: GPU · generowanie modelem · Licencja: Apache-2.0 (code)
Generowanie bez ograniczeń długości i struktury.
Wynik publikacji: PhraseFID ↓ 3.89
Obliczenia: GPU · generowanie modelem · Licencja: Apache-2.0 (code)
Eksperymentalne sterowanie strukturą; zgodność z formą wymaga weryfikacji.
Wynik publikacji: PhraseFID (7.65)
PhraseFID i SRS dla stałego schematu struktury nie uczestniczą w rankingu wersji.
Obliczenia: GPU · generowanie modelem · Licencja: Apache-2.0 (code)
Reguły stylu i harmonii tworzą pętle, partie i pełne struktury utworów.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: CPU · reguły · Licencja: GPL-3.0-or-later
Szablony instrumentacji i formy tworzą kompletne aranżacje.
Brak porównywalnej publicznej oceny jakości tej wersji.
Obliczenia: CPU · reguły · Licencja: MIT
Wyniki dotyczą różnych zbiorów i metod. Nie tworzą wspólnego rankingu ani pomiaru jakości tej adaptacji.
Pozycje dotyczą wybranej metryki w tych samych warunkach. Dane obejmują utwory referencyjne i ablacje, niekoniecznie wersje dostępne tutaj.
Wybierz zbiór danych, aby zobaczyć wszystkie metryki każdego modelu. Wiersze są uporządkowane według oficjalnej pozycji lub wybranej metryki. Pogrubienie oznacza najlepszą porównywalną wartość w kolumnie, także przy remisie. Różne protokoły oceny są klasyfikowane osobno; brakujące wyniki są oznaczone jako -.
Tabele 1–3: średnia z 10 losowań po 96 próbek; swobodny tekst to osobne 96 opisów. MOS: ślepa ocena 15 osób w skali 1–5; ± oznacza odchylenie standardowe. Osobne rankingi warunków tekstowych.
± oznacza odchylenie standardowe.
| Pozycja według metryki | Model | Warunek testu | MOS / 5↑ |
|---|---|---|---|
| 1 | MIDILM | Zbiór testowy MidiCaps | 3.2306 ± 0.9160 |
| 2 | Text2MIDI-InferAlign | Zbiór testowy MidiCaps | 2.4861 ± 0.7675 |
| 3 | MuseCoco | Zbiór testowy MidiCaps | 2.0854 ± 0.9499 |
| - | Utwory referencyjne Dane odniesienia; bez miejsca w rankingu wersji. | Zbiór testowy MidiCaps | 4.1010 ± 0.9590 |