最近，谷歌创建了一个人工智能系统MusicLM，可以根据详细的文字描述生成歌曲。但怕有风险，尚未正式发布。
根据官方介绍，MusicLM是一种从文本描述中生成高保真音乐的模型，将条件音乐生成过程视为分层的序列到序列建模任务，它以24kHz 的频率生成音乐，并在几分钟内保持一致。
谷歌的实验表明，MusicLM 在音频质量和对文本描述的遵守方面都优于以前的系统。此外，谷歌团队称证MusicLM 可以同时以文本和旋律为条件，因为它可以根据文本标题中描述的风格转换吹口哨和哼唱的旋律。为了支持未来的研究，谷歌还公开发布了 MusicCaps，这是一个由5.5k 音乐-文本对组成的数据集，其中包含由人类专家提供的丰富文本描述。