文本生成音乐模型
一句话生成一首歌，听起来神奇，实际是概率采样加人工筛选。
相关
问题
输入"温暖的原声吉他，慢速，带一点弦乐"，几秒后得到一段音频。这个流程改变了素材的来源，但没有改变创作的核心：判断什么算好。模型给你的是大量候选，选哪个、怎么改，仍然是人的工作。
原理
模型从训练数据里学到音频与文本描述的统计关系，生成时从概率分布中采样。采样带来随机性，同一个提示每次结果不同；温度之类的参数控制随机程度。文本条件只是弱约束，模型对"和声""配器"这类结构信息的理解远不如对人声、情绪与风格的理解。长结构容易在中段松散，因为模型没有真正的曲式概念。
怎么用
把提示当成方向而不是指令，一次生成多个候选再挑。先定风格与情绪，再补乐器与速度，最后加排除项。需要精确控制的部分留给 MIDI 或后期。生成结果先听整体走向，再听细节，不要在明显不合适的候选上修。保留提示与种子，方便复现与微调。
听什么
在放克鼓组里听律动是否被理解，在里尔舞曲里听重复段落是否成立，在管风琴长音里听和声是否稳。模型擅长氛围与音色，薄弱处通常在结构与精确的和声进行。
在库中听例子
funk-groove2 · 105 BPM · beat 4/4105 BPM 放克鼓组，看描述节奏时模型能否抓住律动（C1）详情Doyle's里尔舞曲，看模型能否生成可循环的段落结构（C1）详情St Denys Spinney管风琴赞美诗，看持续音与和声铺陈能不能被稳定生成（C1）详情
每首均来自 midicn-lib，行内徽标为许可档位（C1 可商用 / C2 非商业 / C3 仅学习研究）。
事实来源
- 文本条件生成模型的基本原理，依公开论文摘要核对，未抄原文
- 生成结果的筛选与后期流程，依创作实践通识核对，未抄文本
仅用于核查事实，正文为原创撰写。