LucidSonicDreams - Тул, который генерирует визуал под аудиоряд.
Из плюсов, там сразу есть натренированые модели и, в теории, должно работать очень быстро и просто.
У меня не вышло c таким трейсом.
У некоторых работает через google colab, у некоторых через conda.
На семплах выглядит очень клево.