今天和大家分享一个facebook开发的本地电脑无限次生成音乐的软件Audiocraft,这个软件可以通过输入一段描述词文字直接创作出一段音乐,音乐为原创音乐,功能非常强大,本软件为免费开源软件,原项目地址:https://github.com/facebookresearch/audiocraft。

Audiocraft官方介绍:
AudioCraft 是一个用于音频生成深度学习研究的 PyTorch 库。AudioCraft 包含两种最先进的 AI 生成模型的推理和训练代码,可生成高质量的音频:AudioGen 和 MusicGen。整合包我只制作了使用MusicGen模式的。
AudioCraft 为 MusicGen 提供了代码和模型, MusicGen 是一种简单且可控的音乐生成模型。MusicGen 是一种单级自回归 Transformer 模型,通过 32kHz EnCodec 标记器进行训练,具有 4 个以 50 Hz 采样的码本。与MusicLM等现有方法不同,MusicGen 不需要自监督语义表示,并且它可以一次性生成所有 4 个码本。通过在码本之间引入一个小的延迟,我们表明我们可以并行预测它们,因此每秒音频只有 50 个自回归步骤。我们使用 20,000 小时的授权音乐来训练 MusicGen。具体来说,我们依靠 10,000 首高品质音乐曲目的内部数据集以及 ShutterStock 和 Pond5 音乐数据。
AudioCraft整合包使用方法说明
首先将网盘内的软件压缩包下载到本地电脑上并解压。双击启动软件.exe。稍等一会会自动打开webUI界面。整合包默认使用facebook/musicgen-stereo-melody模型,支持输入文本描述词和参考音乐素材。
先在input text里输入想要的音乐描述词英文单词,如果有参考音乐的话,可以在右侧选择音频文件,模型默认选facebook/musicgen-stereo-melody,Duration为合成音乐时长,默认10秒,最大120秒。其它参数可保持默认,点击按钮Submit即可生成音乐。
软件采用的是GPU计算模式,对电脑显卡有要求。
整合包里只预下载了musicgen-stereo-melody和musicgen-stereo-melody-large两种模型,musicgen-stereo-melody为质量和计算之间的最佳平衡,是官方推荐的模型。如果使用musicgen-stereo-melody-large模型,需要先到网盘里将这个模型压缩包下载到hf文件夹内并解压,然后才可使用。如果选择的模型本地电脑上没有的话,软件也会自动下载。
模型名中带stereo为可输出立体声音频。
模型名带melody为可输入参考音乐素材,也可以只输入文本描述词
如果电脑配置较高,Decoder可选择MultiBand_Diffusion,可以提高音频质量
视频教程及效果演示:https://nuowa.net/1748
注意事项
整合包只支持Windows10或11电脑,手机和mac无法使用
软件运行路径中不要出现非英文字符和空格,待使用的音频素材同样注意
Audiocraft并没有明确生成的音乐是否可以商用,大家在使用的时候请注意
AI音乐生成器软件Audiocraft一键启动版下载:
相关推荐
免费在线AI音乐创作工具,文字转音乐软件MusicGen Web
多人对话声音克隆语音合成工具Chatterbox TTS免安装版,AI实时文字转语音
AI实时变声器Voice Changer2.1.4 CUDA版下载,高质量RVC变声软件
阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
阿里Qwen3-TTS高质量声音克隆语音合成系统,AI视频配音多人对话生成工具
多人对话有声书制作软件VoxCPM Windows版整合包,高质量声音克隆语音合成工具
【免安装/解压即用】支持600+语言的神级TTS!OmniVoice 零样本语音克隆一键整合包发布
FunASR语音识别转文字软件区分说话人版
最近更新

多人对话声音克隆语音合成工具Chatterbox TTS免安装版,AI实时文字转语音
Chatterbox 是由 Resemble AI 开发的开源文本转语音(Text-to-Speech, TTS)模型,支持零样本音色克隆:只需提供一段参考音频(几秒钟的人声),即可模仿该音色朗读任意文本。我基于最新版源码制作了免安装一键启...
Mineru PDF转markdown软件局域网版
对于有的电脑配置比较低或是win7系统等电脑无法使用Mineru情况,可以使用局域网内可运行软件的电脑运行Mineru,然后其它电脑或手机等终端输入IP地址,打开运行软件的IP地址来使用Mineru。 具体用法: 下载局域网版压缩包到本地电...

OmniSVG:统一的可缩放矢量图形生成软件
OmniSVG 是一个基于视觉-语言模型(VLM)的端到端多模态 SVG(可缩放矢量图形)生成框架,由 OpenVGLab 团队开发。该项目能够从文本描述或参考图像生成高质量的 SVG 矢量图形,覆盖从简单图标...

AI实时变声器Voice Changer2.1.4 CUDA版下载,高质量RVC变声软件
Voice Changer是一款实时 AI 变声工具,允许你通过多种 AI 声音模型(如 RVC 和 Beatrice)实时转换声音。转换延迟更低,是目前社区中最受欢迎的开源实时变声方案之一。 核心特点 1. 实时性 voice-chang...

Studio One Pro 7免费开心版下载
Studio One 7是一款专业数字音频工作站(DAW)软件,它是音乐制作、混音、母带处理与现场演出一体化的旗舰软件。 ✨ 核心功能 1. AI 智能音轨分离(Stem Separation) AI 驱动的音轨分离功能允许用户将混缩后的音...
PDF转Markdown软件MinerU 3.1.11整合包(高性能版)
MinerU是一款非常热门的PDF、图片、DOCX、PPTX、XLSX转markdown格式软件,转换效果属于同类软件中比较优秀的一个。当前最新版为3.1.11版本,我基于最新版源码制作了免安装一键启动整合包,并做适当优化及修改,详情查看链...
阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
阿里千问Qwen3-TTS是一款热门的语音合成及声音克隆软件,我基于当前最新版制作了免安装一键启动整合包,并增加多人对话语音合成功能。 此版本为低配显卡电脑版,软件使用0.6B模型,模型尺寸略小,对电脑显卡配置要求也更小,但是质量不会差太多...

腾讯混元三维世界重建系统WorldMirror 2.0通用3D三维资产重建工具下载
WorldMirror 2.0 是由腾讯混元(Hunyuan)团队开发的下一代通用三维世界重建系统,底层基于 HY-World-2.0 模型。它能够从一组普通照片或一段视频中,自动恢复出场景的三维结构,并生成多种形式的三维资产,包括: 我基...

阿里Qwen3-TTS高质量声音克隆语音合成系统,AI视频配音多人对话生成工具
Qwen3-TTS 是由阿里 Qwen 团队开发的新一代语音合成系统,基于自研的 Qwen3-TTS-Tokenizer-12Hz 编解码器和离散多码本 LM 架构,实现了端到端的全信息语音建模。它突破了传统级联架构的信息瓶颈,支持音色克隆...

PasteMD:一键将 Markdown 和网页 AI 对话文本内容粘贴到 Word、WPS 和 Excel
PasteMD:一键将 Markdown 和网页 AI 对话(ChatGPT/DeepSeek等)完美粘贴到 Word、WPS 和 Excel 的效率工具。 在写论文或报告时,从 ChatGPT / DeepSeek 等 AI 网站中复制出...












