Mustango是一个专为可控音乐生成而设计的全新多模态大语言模型，融合了潜在扩散模型（LDM）、Flan-T5和音乐特征来实现高质量的文本到音乐生成。

基于文本描述生成高质量立体声音乐样本的AI模型，支持300M参数规模

MusicGen是一款基于文本描述或音频提示生成高质量音乐样本的文本转音乐模型，采用15亿参数的自回归Transformer架构。