mustango
用自然语言精准控制音乐生成，让每句描述都变成旋律。
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 396
核心亮点
- 引入音乐指令微调数据，显著提升文本与音乐语义对齐精度
- 支持节奏、风格、情绪等多维度显式控制，生成结果更可调
- 基于潜在扩散模型，生成音乐质量与多样性表现均衡
不足之处
- 模型体积较大，推理资源需求高
- 文档偏学术，上手门槛对非研究者不友好
适用场景
- 音乐创作者快速生成灵感草稿
- 影视/游戏配乐按描述定制背景音乐
- 教育场景演示文本到音乐生成技术
替代项目
MusicGen、AudioLDM 2、DiffSinger
上一篇：tango
下一篇：liquid-audio
同类项目推荐
word2wave
开源
输入文字，快速生成短音频样本
Word2Wave: a framework for generating short audio samples from a text prompt using W···
esp8266-google-tts
开源
用ESP8266连WiFi，把文字变成语音播出来
MOSS-TTSD
开源
从短音频克隆声音，生成多说话人 expressive 对话
A multilingual model for long-form, multi-speaker dialogue synthesis with flexible s···
rtvc
开源
实时语音转写与克隆，快速接入 ElevenLabs
"Realtime" voice transcription and cloning using ElevenLabs's API.
flux-generator
开源
在 Mac 上本地生成图像和音乐，无需云端
Local image and music generation for Apple Silicon
Hojo-TTS-Light
开源
小体积语音合成模型，低算力也能跑起来
Hojo-TTS-Light is a lightweight speech generation model series developed by HojoAI, ···
STYLER
开源
快速且可控地合成富有表现力的语音，风格随心调。
Official repository of STYLER: Style Factor Modeling with Rapidity and Robustness vi···
midi-model
开源
用 Transformer 自动生成 MIDI 音乐，输入风格，输出旋律。
Midi event transformer for symbolic music generation
so-vits-models
开源
一站式收藏AI模型，快速找到声音、图像、视频生成工具
收集有关so-vits-svc、TTS、SD、LLMs的各种模型、应用以及文字、声音、图片、视频有关的mo···