加载中...
按风格、文字描述或已有 MIDI 创作多轨音乐，选择版本后试听、编辑和下载。
输入
风格、文字描述或 MIDI
MIDI 格式
输出
多轨 MIDI · 原始文件 ZIP
适用场景
旋律构思、乐队编配与 MIDI 续写
按风格、文字描述或已有 MIDI 创作多轨音乐，选择版本后试听、编辑和下载。
种子 42 · 35 秒 · 5 轨
试听使用 MIDI 音源合成，音色不代表生成模型本身的音频质量。
MIDILM
导入 SF2/SF3，每个文件最大 512 MB。仅在当前页面本地使用，不上传；转录音符保持不变。
适合 48 kHz 的音频或视频项目，文件会稍大。
按当前音色、速度和音量，直接以所选规格合成 WAV。实际听感也取决于音色素材，增加位数不会改善素材本身。
{
"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
反馈时请注明工具名称、操作步骤和遇到的问题，可附截图帮助定位。
通过文字描述生成包含多种乐器的 MIDI。
论文成绩：MOS ↑ 3.2306 ± 0.9160 / 5
计算方式: GPU · 模型生成 · 许可证: CC-BY-NC-4.0 (code)
把风格、情绪和配器描述转为多轨 MIDI。
论文成绩：FAD ↓ 0.173 · CLAP ↑ 22.1 · BF16
论文表 2：896 个测试样本；FluidR3_GM 音源、VGGish FAD、CLAP × 100。速度为单张 L40S 生成 2K token；本站 FP32 版本没有对应实测成绩。
计算方式: GPU · 模型生成 · 许可证: Llama-3.2-Community
Large 的质量数据微调版；不代表所有风格都更好。
暂无当前版本可横向比较的公开音质分数。
计算方式: GPU · 模型生成 · 许可证: Apache-2.0
基础版 · 16 层、16 个注意力头。
暂无当前版本可横向比较的公开音质分数。
计算方式: GPU · 模型生成 · 许可证: Apache-2.0
基础版 · 8 层、32 个注意力头。
暂无当前版本可横向比较的公开音质分数。
计算方式: GPU · 模型生成 · 许可证: Apache-2.0
4 / 8 小节上下文；中型权重 350.5 MB。
暂无当前版本可横向比较的公开音质分数。
计算方式: GPU · 模型生成 · 许可证: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 小节；4096 token 上下文。
暂无当前版本可横向比较的公开音质分数。
计算方式: GPU · 模型生成 · 许可证: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 小节；包含力度与微时序表达。
暂无当前版本可横向比较的公开音质分数。
计算方式: GPU · 模型生成 · 许可证: Research / non-commercial weights; MIT code
4 / 8 小节上下文；小型权重 82.5 MB。
暂无当前版本可横向比较的公开音质分数。
计算方式: GPU · 模型生成 · 许可证: Research / non-commercial weights; MIT code
长度条件；小节数按十小节区间解释。
论文成绩：PhraseFID ↓ 3.81
计算方式: GPU · 模型生成 · 许可证: Apache-2.0 (code)
无条件生成；不接收长度或曲式约束。
论文成绩：PhraseFID ↓ 3.89
计算方式: GPU · 模型生成 · 许可证: Apache-2.0 (code)
结构条件实验版；曲式遵循效果仍需验证。
论文成绩：PhraseFID (7.65)
固定结构提示下的 PhraseFID、SRS 不参与跨版本排名。
计算方式: GPU · 模型生成 · 许可证: Apache-2.0 (code)
按风格和和弦生成循环、分轨及完整曲式。
暂无当前版本可横向比较的公开音质分数。
计算方式: CPU · 规则生成 · 许可证: GPL-3.0-or-later
根据乐队配器和曲式模板生成完整编曲。
暂无当前版本可横向比较的公开音质分数。
计算方式: CPU · 规则生成 · 许可证: MIT
分数来自不同数据集和评测方法，不能换算为统一排名；也不是本站适配版本的实测音质。
名次按所选指标计算，仅比较同一评测条件。原始记录包含参考真曲和消融实验，不等于本站已接入这些版本。
切换数据集查看每个模型的完整指标。默认按官方名次或所选指标排序；粗体为同评测口径下的列最优值，并列均标出。不同口径不合并排名，缺分为 -。
论文表 1–3：测试集客观指标为 10 次随机抽样、每次 96 条的均值；自由文本为另一组 96 条。MOS 由 15 人按 1–5 分盲评，± 为标准差。两种文本条件分别排名。
± 表示标准差。
| 指标名次 | 模型 | 评测条件 | MOS / 5↑ |
|---|---|---|---|
| 1 | MIDILM | MidiCaps 测试集 | 3.2306 ± 0.9160 |
| 2 | Text2MIDI-InferAlign | MidiCaps 测试集 | 2.4861 ± 0.7675 |
| 3 | MuseCoco | MidiCaps 测试集 | 2.0854 ± 0.9499 |
| - | 参考真曲 参考数据，不参与版本排名。 | MidiCaps 测试集 | 4.1010 ± 0.9590 |