MusicLM von Google Research ist ein Modell, das Hi-Fi-Musik aus Textbeschreibungen erzeugt. Der Ansatz der bedingten Musikgenerierung unter Verwendung einer hierarchischen Sequenz-zu-Sequenz-Modellierungsaufgabe erzeugt Musik, die über mehrere Minuten konsistent bleibt und sich eng an die gegebene Textbeschreibung hält. Es unterstützt umfangreiche Texteingaben, eine lange Generierung (bis zu 5 Minuten), den Story-Modus für die sequenzielle Audiogenerierung, die Umwandlung von Melodien über Texteingaben und die Audiogenerierung auf der Grundlage von Bildern und deren Textbeschreibung.
