我要投稿

Google 开源全球首个实时音乐大模型

发布日期：2025-07-01 12:19:48 浏览次数： 1826

作者：AI深思维

微信搜一搜，关注“AI深思维”

谷歌 DeepMind开源 MAgenta RealTime（Magenta RT），这是全球首个支持实时交互的音乐生成大模型。

Magenta RT 有多牛？

Magenta RealTime 是全球首个开源的实时音乐生成大模型，它实现了 “创作快于播放”，在免费 Colab 平台上，生成 2 秒音乐仅需 1.25 秒，速度比实时播放快 60%。

它采用分块流式生成技术，把音乐切成 2 秒的小片段连续生成，每个片段都会参考前 10 秒的音乐背景，以保证旋律连贯演进。其跨模态控制能力，让用户能用文字描述或直接哼一段旋律，AI 就会自动理解意图。

它还采用了 SpectroStream 音频压缩器、拥有 8 亿参数大模型，并通过硬件加速优化提升了生成速度。

Magenta RT 是如何生成音乐的？

Magenta RealTime 通过以下方式生成音乐：

首先，它利用 SpectroStream 音频编码器对音乐进行编码，将 48kHz 立体声高保真音频转化为离散音频标记。

然后，它基于 MusicCoCa 嵌入技术，将文本提示或参考音频实时映射到语义空间，作为风格嵌入。

接着，基于 Transformer 的自回归模型根据前 10 秒的粗糙音频标记和风格嵌入，生成下一个 2 秒的细粒度音频标记。

最后，通过 SpectroStream 音频解码器将生成的音频标记还原为高保真音频。

该模型以 2 秒音频块为单位持续生成，每个片段动态融合前 10 秒的上下文音频，确保旋律连贯演进。

怎么体验Magenta RT？

目前有多种方式可以体验 Magenta RealTime：

一是通过官方的 Colab 演示，无需本地部署，直接在浏览器中运行即可。

二是本地部署，可从 GitHub 安装，支持 CPU、GPU、TPU 多种部署方式。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-11-19

腾讯云开源DeepSeek量化部署方案：性能最高提升3.9X！

2025-11-19

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

20M小模型的数学公式OCR，复杂公式截图秒转LaTeX代码！

2025-11-18

高瓴、红杉一起投了一家出海销售Agent

2025-11-18

第一次用 Ollama 跑视觉模型：Qwen2.5-VL 7B 给了我一个意外惊喜

2025-11-18

MiroMind 最新模型发布！深度交互Scaling！模拟人类处理复杂问题的智能体基座模型 MiroThinker v1.0

2025-11-17

4.5K Star！文档管理AI神器Paperless-AI：自动分类打标签，语义搜索秒找文件！

2025-11-17

Memori：让 AI 拥有 "持久记忆" 的开源RAG引擎

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

重磅开源！通义万相最新模型来了

2025-08-26

阿里AI编程 IDE Qoder 正式发布，BAT 终于凑齐了！

2025-08-22

开源发布！适合中国宝宝的 LangGraph 智能体开发模板！

2025-09-06

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

DeepSeek-V3.1发布，拿下全球开源第一，确实可以封神了！（附一手实测）

2025-08-22

Claude不让用，有哪些国产模型能迎头赶上？

2025-09-08

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

MiniMax悄悄发布M2，8%价格打出Claude级性能

2025-10-27

如愿以偿！Qwen3-VL再开源30B-A3B，附实测！

2025-10-03

大家都在问

我们为什么选择 Spring AI 开发智能体，而不是 Dify？

2025-11-12

开源安全审核模型终极PK：Qwen3Guard、OpenAI-SafeGuard、Llama4-Guard谁才是王者？

2025-11-10

DeepSeek-OCR到底厉害在哪？

2025-11-03

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

小红书入局AI智能体开源DeepAgent，在计划什么更新？

2025-10-28

埃森哲的大裁员，向市场发出了什么信号？

2025-10-13

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB