Уже опробовали MusicGen?

Модель генерирует 12 секунд аудио на основе текстового промта. По желанию можно предоставить аудио реф, из которого будет извлечена общая мелодия. Модель попытается следовать промту и мелодии.

К волне AI-каверов готовится присоединиться волна AI-мэшапов и ремиксов.

Демо
Модели
Код