MusicGen
Meta
Meta's music generation model. Generate up to 1 minute of music from text descriptions.
music
Modalités: Audio
≈ 0,0529 $US/exécution
Audio et musique
Générez de la musique et des sons à partir d'une description textuelle.
- Disponible
- 3sur 7
- Fournisseurs
- 1
- Gamme de prix
- 0,0030 $US – 0,0529 $USpar exécution standard
Sélection rapide
/
3 modèles
MAGNeT
Community
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.
metamagnetnon-autoregressive
Modalités: Texte, Audio≈ 0,0030 $US/exécution
Stable Audio Open 1.0
Community
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.
stability-aistable-audiosound-effects
Modalités: Texte, Audio≈ 0,0069 $US/exécution
- Non disponibleNouveau
Lyria 3
Google DeepMind
Generate 30-second music clips from text prompts or images with Lyria 3, Google's music generation model
music
Modalités: Texte, AudioDésactivé
- Non disponibleNouveau
Lyria 3 Pro
Google DeepMind
Generate full-length songs up to 3 minutes from text prompts or images with Lyria 3 Pro, Google's most capable music generation model
music
Modalités: Texte, AudioDésactivé
- Non disponibleNouveau
Music
Community
Compose a song from a prompt or a composition plan
elevenlabsmusic
Modalités: Texte, AudioDésactivé
- Non disponibleNouveau
Stable Audio 2.5
Stability AI
Generate high-quality music and sound from text prompts
music
Modalités: Texte, AudioDésactivé
4 modèles actuellement indisponibles
Leurs pages restent en ligne, mais les modèles ne peuvent pas être exécutés pour le moment.
Modèles de musique et audio pour la production créative
Les modèles de génération audio couvrent tout ce qui n'est ni parole ni transcription : musique, effets sonores, ambiances et chansons complètes avec voix. On y a recours quand on a besoin de musique de fond libre de droits pour une vidéo, d'effets sonores pour un jeu ou une application, ou d'une chanson complète avec voix pour un prototype.
Tarification, compromis et pièges
Les modèles de tarification varient plus que dans d'autres catégories. Les services de musique-depuis-prompt (Suno, Udio, Riffusion) facturent typiquement à la génération quelle que soit la durée jusqu'à leur plafond intégré. Les générateurs d'effets sonores (AudioGen, ElevenLabs Sound Effects) facturent à la seconde de sortie. Les modèles open-weights tournant sur GPU mutualisé facturent au temps de calcul ; sur Railwail, c'est le cas de MusicGen et Stable Audio Open, et chaque page modèle affiche le prix d'une exécution typique.
Le compromis est musicalité contre contrôlabilité. Les phares comme Suno V4 et Udio produisent des chansons étonnamment polies avec couplets, refrains et breaks instrumentaux — mais ils décident de la majeure partie de l'arrangement à votre place. Les modèles open-weights (MusicGen, Stable Audio Open) vous donnent un contrôle plus fin sur le genre, le BPM, la tonalité et l'instrumentation, mais la sortie est plus courte et moins cohérente. Pour la musique de fond dans une vidéo, les phares gagnent en time-to-final. Pour le sound design qui doit coller à un cue précis, l'open-weights conditionné est la voie.
Attention au clonage de voix : certains modèles musicaux génèrent volontiers des voix dans le style d'un chanteur précis si on les y invite, ce qui est un champ de mines en droits d'auteur et en règles de plateforme. Tenez-vous-en aux styles originaux ou utilisez les tiers à filtre de sécurité.
Les licences dans cette catégorie sont les plus hétérogènes : certains fournisseurs accordent des droits commerciaux complets, d'autres restreignent à un usage personnel, et quelques-uns sont encore en limbes de recherche. Lisez toujours la licence avant de livrer une sortie sur un canal payant.
Les top picks ci-dessus couvrent le phare qualité chanson, le générateur d'effets le moins cher, l'option clip le plus long et le modèle temps réel le plus rapide.
Tâches typiques
- Musique de fond libre de droits
- Effets sonores pour jeux et applis
- Intros et stingers de podcast
- Prototypes de démos de chansons
- Audio ambiant et méditation
- Jingles publicitaires générés par IA
Guides par cas d'usage
Comparaisons de modèles
Questions fréquemment posées
Puis-je générer des chansons complètes avec voix ?
Suno et Udio produisent sur leurs propres plateformes des chansons de 2 à 4 minutes avec couplets, refrains et voix ; ces modèles ne peuvent pas être exécutés via Railwail pour le moment. Les modèles open-weights proposés ici (MusicGen, Stable Audio Open) génèrent de la musique instrumentale et des sons.
Comment l'audio est-il facturé ?
Surtout à la génération pour les plateformes musicales (un prix fixe par chanson ou par clip de quelques minutes) et à la seconde de sortie pour les générateurs d'effets. Les modèles open-weights sur GPU mutualisé facturent au temps de calcul. Consultez chaque fiche modèle pour le tarif exact.
Quelles durées de clip sont prises en charge ?
Effets sonores : typiquement 1 à 30 secondes. Musique : 30 secondes à 4 minutes selon le modèle. Certaines plateformes permettent la continuation — générer un segment supplémentaire qui s'enchaîne avec le précédent — pour bâtir des morceaux plus longs.
Puis-je contrôler le genre, le BPM ou la tonalité ?
Les modèles open-weights (MusicGen, Stable Audio Open) acceptent des tags BPM et tonalité explicites. Les plateformes commerciales acceptent des prompts de style en langage naturel (« synthwave entraînante à 120 BPM, en la mineur »). Un contrôle fin comme les changements de signature rythmique nécessite encore une édition en DAW.
L'usage commercial est-il autorisé ?
La plupart des tiers payants accordent des droits commerciaux complets. Certains tiers gratuits et modèles de recherche restreignent à l'usage personnel. La fiche modèle sur chaque page détail liste la licence exacte — lisez-la avant de livrer en pub, en film ou en application.
Quels formats audio sont produits ?
WAV et MP3 sont universels. Certains modèles livrent aussi FLAC, OGG et stems (pistes voix/batterie/basse séparées pour le post-mixage). Le sample rate par défaut est 44,1 ou 48 kHz ; les tiers haut de gamme livrent du 96 kHz pour les workflows de production musicale.
Puis-je cloner une voix ou un instrument précis ?
Le clonage de voix dans les modèles musicaux est restreint par les règles des plateformes pour éviter les problèmes de droits d'auteur. Pour le clonage d'instrument ou le transfert de style, regardez les modèles open-weights conditionnables ou utilisez des workflows de sample packs en DAW avec des stems générés par IA.
La génération audio temps réel est-elle possible ?
Pas encore en qualité piste musicale. La génération d'effets sonores peut être quasi temps réel (1 à 3 secondes pour un clip de 5 secondes). Les chansons complètes prennent typiquement 30 à 90 secondes à rendre. Pour la musique interactive (jeux, performance live), regardez les systèmes de playback adaptatif plutôt que la génération par appel.
Commencer avec une API
Tous les modèles disponibles via une API compatible OpenAI. Crédits prépayés en USD, sans abonnement.