MusicGen

Аудио и музикаНалично
от MetaID на модела: musicgen

Meta's music generation model. Generate up to 1 minute of music from text descriptions.

Цена
≈ 0,0529 щ.д./стартиране
Продължителност
1 до 60 s
Вход → Изход
Текст → Аудио
Разработчик
Meta
Актуализирано
23 септември 2026 г.
01

Playground

Опитай MusicGen

Вход и резултат

≈ 0,0529 щ.д./стартиране
Опитай MusicGen
Разширени настройки (1)
Резултат
Твоето аудио се появява тук.

Този запуск

около 0,0529 щ.д. · 5,29 кредита

При стартиране се резервират 0,1585 щ.д. (15,85 кредита); фактурира се действителното GPU време.

За акаунти без покупка: запусци над 2 кредита изискват допълнително зареждане.

Нов си тук?

10 безплатни кредита (0,10 щ.д.) при регистрация с Google

Използваемо 24 часа след регистрация, до 5 запуска на ден и максимум 2 кредита на запуск. Други методи за вход стартират без кредита.

02

Examples

Real outputs from the public examples of this model on Replicate, with the prompt and settings that produced them. They were not generated live on this page.
  • Продължителност: 0:08

    Prompt

    Edo25 major g melodies that sound triumphant and cinematic. Leading up to a crescendo that resolves in a 9th harmonic

    Settings

    duration
    8
  • Продължителност: 0:33

    Prompt

    Edo25 major g melodies that sound triumphant and cinematic. Leading up to a crescendo that resolves in a 9th harmonic

    Settings

    duration
    33
  • Продължителност: 0:33

    Prompt

    Edo25 major g melodies that sound triumphant and cinematic. Leading up to a crescendo that resolves in a 9th harmonic

    Settings

    duration
    33

Примерни подкани

Примери от каталога на Railwail. Те не бяха генерирани живо на тази страница.

  • Lo-Fi Chill

    Продължителност: 0:30

    Lo-fi hip hop beat with warm vinyl crackle, mellow jazz piano chords, soft brushed drums, and a gentle bass line, perfect for studying and relaxation, 85 BPM
  • Epic Orchestral

    Продължителност: 0:20

    Cinematic orchestral piece building from a solo cello melody to a full symphonic crescendo with timpani, brass fanfare, and soaring strings, dramatic and emotional, suitable for a movie trailer
03

За MusicGen

НакраткоКъм 23 септември 2026 г.

MusicGen е модел на Meta от категория Аудио и музика. На Railwail MusicGen струва ≈ 0,0529 щ.д. за стартиране. Възможни дължини: 1 до 60 s.

Фон

За Meta AI (FAIR)

Основана 2013 · Menlo Park, California, USA

Meta AI is the research division of Meta Platforms, originally founded as Facebook AI Research (FAIR) in 2013 by Yann LeCun. FAIR has produced many influential open-source releases including PyTorch, RoBERTa, Wav2Vec 2.0, the LLaMA family, and the audio research stack AudioCraft. MusicGen was published by FAIR's audio team in June 2023 (Jade Copet, Felix Kreuk, Itai Gat, Tal Remez, David Kant, Gabriel Synnaeve, Yossi Adi, Alexandre Defossez) as part of AudioCraft, a unified library that also includes EnCodec and AudioGen. AudioCraft was released under the permissive CC-BY-NC and MIT licences and remains one of the most popular reference implementations for controllable music generation in academia.

Посетете Meta AI (FAIR)

Архитектура

Single-stage Transformer language model over EnCodec audio tokens (text-and-melody-conditioned)

MusicGen is a single-stage auto-regressive Transformer that generates music by predicting tokens from a 32 kHz EnCodec residual vector quantiser at 50 Hz with four codebooks. The model interleaves the codebook streams using a delay pattern so that a single Transformer can model all four codebooks jointly, avoiding the cascaded models used in prior work such as MusicLM. Conditioning is provided by frozen T5 text encoders for text prompts and optionally by a chromagram-conditioned encoder for melody control, which lets users hum or upload a reference melody. The model was trained on 20,000 hours of licensed music (10K high-quality internal Meta tracks plus ShutterStock and Pond5 licensed catalogues), exclusively instrumental. Output is 32 kHz stereo or mono with a maximum length of 30 seconds in the public checkpoint; longer pieces are produced by sliding-window continuation. AudioCraft also ships training and fine-tuning scripts.

Параметри
300M (small), 1.5B (medium), 3.3B (large), 3.3B (melody)
Контекст
30 токена

Възможности

  • Text-to-music generation across many genres and moods
  • Melody conditioning via chroma features (hum or upload a tune)
  • Single-stage generation with no cascade of models (simpler than MusicLM)
  • Up to 30-second clips at 32 kHz, sliding window for longer pieces
  • Multiple sizes from 300M to 3.3B for laptops to data-centre GPUs
  • Fully open weights with reproducible training recipe
  • Best for: research on controllable music generation, indie composers, game soundtrack prototyping

Обучение и лиценз

20,000 hours of licensed instrumental music: 10K hours from Meta's internal music dataset plus ShutterStock and Pond5 commercial libraries. All vocals were removed and the corpus is instrumental-only.

Лиценз: Code under MIT; pretrained weights under CC-BY-NC 4.0 (non-commercial). Commercial use requires separate licensing.

Тестване на безопасност: Limited; Meta describes risk of generating music similar to training data and recommends watermarking. No formal red-team report.

Известни ограничения

  • Instrumental only, no vocal generation
  • Non-commercial licence restricts production use
  • 30-second clip length without continuation
  • Difficulty with very specific instrument arrangements or named artists
  • No fine-grained per-bar control
04

Цени

Цените са в US долари. Използването се начислява от предплатени кредити.
Типично стартиране (≈ 31 s на A100 (80GB))0,0529 щ.д. за стартиране
GPU време (A100 (80GB))0,00168 щ.д. за GPU секунда
  • Таксува се по GPU времето, което стартирането действително отнема. При начало на стартирането 3× типичната цена се резервира от баланса ти и се уреждат впоследствие.
  • 1 кредит = 0,01 щ.д.

Калкулатор на разходите

Калкулатор за цени

s

Типично според доставчика: около 31,4 s

Общо

5,29 щ.д.

529 кредита

На изпълнение

0,0529 щ.д. · 5,29 кредита

Начислява се действителното GPU време; това е оценка.

05

API

Извикайте MusicGen с вашия Railwail API ключ. Използвайте този ID на модела в заявката:

Все още няма API крайна точка за тази категория

Моделите от тази категория в момента могат да се използват само в playground.

06

Спецификации

ID на модела
musicgen
Разработчик
Meta
Категория
Аудио и музика
Вход
Текст
Изход
Аудио
Формати на изхода
MP3, WAV
Продължителност
1 до 60 s
Таксуване
По потребление (токени или GPU време)
Размер на модела
300M (small), 1.5B (medium), 3.3B (large), 3.3B (melody)
Лиценз
Code under MIT; pretrained weights under CC-BY-NC 4.0 (non-commercial). Commercial use requires separate licensing.
Каталогът е актуализиран
23 септември 2026 г.

Входни параметри

Входове и настройки от входната схема на модела. Примерът в раздела API показва кои от тях приема API.

  • promptзадължително
    Тип: Текст
    По подразбиране: –
    Разрешени стойности: –
  • duration
    Тип: Число
    По подразбиране: 8
    Разрешени стойности: 1 до 60
  • output_format
    Тип: Избор
    По подразбиране: mp3
    Разрешени стойности: mp3 или wav

Етикети

  • music
  • popular
07

Случаи на използване

За какво се използва

  • Research on autoregressive music language models
  • Indie game and short-film soundtrack prototyping
  • Melody-conditioned variations on a hummed tune
  • Academic benchmarks for controllable audio
  • Educational demos of audio tokenisation
08

Често задавани въпроси

Какво е MusicGen?

MusicGen е модел от Meta в категория Аудио и музика.

Колко струва MusicGen на Railwail?

На Railwail MusicGen струва ≈ 0,0529 щ.д. за стартиране. Таксуват се само ресурсите, които всяка заявка действително използва. Използването се плаща с предварително закупени кредити; 1 кредит е равен на 0,01 щ.д..

Какви настройки поддържа MusicGen?

Според схемата на входа, MusicGen познава тези параметри: prompt, duration (1 до 60) и output_format (mp3 или wav).

Колко бърз е MusicGen?

Все още няма достатъчно измерени задачи на MusicGen на Railwail, за да се посочи време на изпълнение. Зависи от входа, настройките и натоварването на доставчика.

Е ли MusicGen по-добър от MAGNeT?

Зависи от задачата. MusicGen (Meta) и MAGNeT (Community) са и двата модела в категория Аудио и музика. Страницата за сравнение показва техните цени и спецификации един до друг.

Сравни MusicGen и MAGNeT
09

Сравними модели

Всички в тази категория
  • MAGNeTCommunity

    MAGNeT is Meta's masked, non-autoregressive audio generator. Instead of predicting tokens left to right it fills masked audio tokens in parallel over a few decoding steps, so generation is faster than autoregressive MusicGen at similar quality. This Replicate packaging exposes the text-to-music and text-to-sound variants.

    ≈ 0,0030 щ.д./стартиране

    94 % по-евтино на единица

    Сравнете MusicGen и MAGNeT
  • Stability AI's Stable Audio Open generates short audio from text prompts, tuned for sound effects, drum loops, instrument riffs and production elements rather than full songs. Open weights, latent diffusion over a 44.1kHz audio autoencoder, with a configurable seconds_total up to about 47 seconds.

    ≈ 0,0069 щ.д./стартиране

    87 % по-евтино на единица

    Сравнете MusicGen и Stable Audio Open 1.0

Всички модели чрез един API

Един API ключ за всеки модел на Railwail. Използването се начислява от предплатени кредити, 1 кредит = 0,01 щ.д..