/ Модель

Характеристики

Библиотека
diffusers
Опубликована
20 сен 2024

openmusic

Генерация аудиоТекст → аудио3 профессии

QA-MDT генерирует музыкальное аудио по текстовому описанию с помощью masked diffusion transformer и обучения с учётом качества.

79скачиваний за 30 дней73лайкавеса обновлены10 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

jadechoghari/openmusic — реализация модели QA-MDT для генерации музыки по текстовому описанию, опубликованная на Hugging Face в формате Diffusers. В README модель связана с работой авторов из University of Science and Technology of China; архитектура использует masked diffusion transformer (MDT) и обучение с учётом качества, чтобы улучшить качество звучания и музыкальность при генерации по описаниям.

Модель предназначена для преобразования текстовых запросов в музыкальное аудио. В README заявлены результаты уровня state of the art на наборах MusicCaps и Song-Describer. Репозиторий содержит веса в форматах Diffusers и PyTorch; лицензия, длительность контекста и поддерживаемые языки в предоставленных данных не описаны.

Сценарии применения

  • создание музыкального фрагмента по текстовому описанию
  • генерация фоновой музыки для видео или презентации
  • быстрое создание музыкальных идей по настроению и стилю
  • прототипирование музыки для творческих проектов

Ограничения

В README приведены сравнительные заявления на MusicCaps и Song-Describer, но не описаны ограничения генерации или измеренные характеристики качества. Лицензия и условия коммерческого использования в предоставленных данных не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Official Hugging Face Diffusers Implementation of QA-MDT

QAMDT: Quality-Aware Diffusion for Text-to-Music 🎶

QADMT brings a new approach to text-to-music generation by using quality-aware training to tackle issues like low-fidelity audio and weak labeling in datasets.

With a masked diffusion transformer (MDT), QADMT delivers SOTA results on MusicCaps and Song-Describer, enhancing both quality and musicality.

It follows from this paper by the University of Science and Technology of China, authored by @changli et al..

Usage:

!git lfs install
!git clone https://huggingface.co/jadechoghari/openmusic qa_mdt

This command will change the folder name from openmusic to qa_mdt

pip install -r qa_mdt/requirements.txt
pip install xformers==0.0.26.post1
pip install torchlibrosa==0.0.9 librosa==0.9.2
pip install -q pytorch_lightning==2.1.3 torchlibrosa==0.0.9 librosa==0.9.2 ftfy==6.1.1 braceexpand
pip install torch==2.3.0+cu121 torchvision==0.18.0+cu121 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu121
from qa_mdt.pipeline import MOSDiffusionPipeline

pipe = MOSDiffusionPipeline()
pipe("A modern synthesizer creating futuristic soundscapes.")

Enjoy the music!! 🎶

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Ревизия весов
6a0a1f2

0 моделей