載入中...
依風格、文字描述或現有 MIDI 創作多軌音樂，選擇版本後試聽、編輯與下載。
輸入
風格、文字描述或 MIDI
MIDI 格式
輸出
多軌 MIDI · 原始檔案 ZIP
適用場景
寫作動機、樂隊編配與 MIDI 續寫
依風格、文字描述或現有 MIDI 創作多軌音樂，選擇版本後試聽、編輯與下載。
種子 42 · 35 秒 · 5 軌
試聽以 MIDI 音源合成，音色不代表生成模型本身的音訊品質。
MIDILM
匯入 SF2/SF3，每個檔案最大 512 MB。僅在目前頁面本機使用，不上傳；轉錄音符維持不變。
適合 48 kHz 的音訊或影片專案，檔案會稍大。
依目前音色、速度及音量，直接以所選規格合成 WAV。實際聽感也取決於音色素材，增加位元數不會改善素材本身。
{
"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
回報時請註明工具名稱、操作步驟和遇到的問題，可附截圖協助定位。
透過文字描述產生包含多種樂器的 MIDI。
論文成績：MOS ↑ 3.2306 ± 0.9160 / 5
計算方式: GPU · 模型生成 · 授權條款: CC-BY-NC-4.0 (code)
將風格、情緒和配器描述轉為多軌 MIDI。
論文成績：FAD ↓ 0.173 · CLAP ↑ 22.1 · BF16
論文表 2：896 個測試樣本；FluidR3_GM 音源、VGGish FAD、CLAP × 100。速度為單張 L40S 生成 2K token；本站 FP32 版本尚無對應實測成績。
計算方式: GPU · 模型生成 · 授權條款: Llama-3.2-Community
Large 的品質資料微調版，不代表所有風格都更好。
目前版本沒有可橫向比較的公開音質分數。
計算方式: GPU · 模型生成 · 授權條款: Apache-2.0
基礎版 · 16 層、16 個注意力頭。
目前版本沒有可橫向比較的公開音質分數。
計算方式: GPU · 模型生成 · 授權條款: Apache-2.0
基礎版 · 8 層、32 個注意力頭。
目前版本沒有可橫向比較的公開音質分數。
計算方式: GPU · 模型生成 · 授權條款: Apache-2.0
4 / 8 小節上下文；中型權重 350.5 MB。
目前版本沒有可橫向比較的公開音質分數。
計算方式: GPU · 模型生成 · 授權條款: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 小節；4096 token 上下文。
目前版本沒有可橫向比較的公開音質分數。
計算方式: GPU · 模型生成 · 授權條款: Research / non-commercial weights; MIT code
4 / 8 / 12 / 16 小節；包含力度與微時序表現。
目前版本沒有可橫向比較的公開音質分數。
計算方式: GPU · 模型生成 · 授權條款: Research / non-commercial weights; MIT code
4 / 8 小節上下文；小型權重 82.5 MB。
目前版本沒有可橫向比較的公開音質分數。
計算方式: GPU · 模型生成 · 授權條款: Research / non-commercial weights; MIT code
長度條件，以十小節區間解讀。
論文成績：PhraseFID ↓ 3.81
計算方式: GPU · 模型生成 · 授權條款: Apache-2.0 (code)
無條件生成，不接收長度或曲式限制。
論文成績：PhraseFID ↓ 3.89
計算方式: GPU · 模型生成 · 授權條款: Apache-2.0 (code)
結構條件實驗版；曲式遵循效果仍需驗證。
論文成績：PhraseFID (7.65)
固定結構提示下的 PhraseFID、SRS 不參與跨版本排名。
計算方式: GPU · 模型生成 · 授權條款: Apache-2.0 (code)
依風格與和弦生成循環、分軌及完整曲式。
目前版本沒有可橫向比較的公開音質分數。
計算方式: CPU · 規則生成 · 授權條款: GPL-3.0-or-later
根據樂隊配器與曲式範本生成完整編曲。
目前版本沒有可橫向比較的公開音質分數。
計算方式: CPU · 規則生成 · 授權條款: MIT
分數來自不同資料集和評測方法，不能換算為統一排名；也不是本站適配版本的實測音質。
名次依所選指標計算，僅比較相同評測條件。原始紀錄包含參考真曲與消融實驗，不代表本站已提供這些版本。
切換資料集查看每個模型的完整指標。預設按官方名次或所選指標排序；粗體為相同評測口徑下的欄位最佳值，並列均標出。不同口徑不合併排名，缺分為 -。
論文表 1–3：測試集客觀指標為 10 次隨機抽樣、每次 96 筆的平均；自由文字另用 96 筆。MOS 由 15 人以 1–5 分盲評，± 為標準差。兩種文字條件分別排名。
± 表示標準差。
| 指標名次 | 模型 | 評測條件 | MOS / 5↑ |
|---|---|---|---|
| 1 | MIDILM | MidiCaps 測試集 | 3.2306 ± 0.9160 |
| 2 | Text2MIDI-InferAlign | MidiCaps 測試集 | 2.4861 ± 0.7675 |
| 3 | MuseCoco | MidiCaps 測試集 | 2.0854 ± 0.9499 |
| - | 參考真曲 參考資料，不參與版本排名。 | MidiCaps 測試集 | 4.1010 ± 0.9590 |