Awesome-Vision-to-Music-Generation

看图像视频，一键生成匹配音乐的研究导航

这是一个围绕“视觉生成音乐”方向的精选资源列表，收录了该领域的前沿方法、公开数据集、评估指标和挑战问题，并配套了ISMIR 2025相关的综述内容。它旨在解决跨模态生成中视觉信息与音频信号对齐的难题，为研究者提供系统性的知识索引。核心能力包括：整理基于图像、视频等视觉输入生成对应音乐或声音的模型（如Diffusion、Transformer架构），汇总如VGGSound、MUSIC等数据集，以及介绍客观评估与主观评测方案。项目以结构化分类呈现，方便快速定位不同技术路线，并讨论了当前面临的同步性、语义一致性等挑战。适合作为入门指南或研究参考，帮助用户了解该交叉领域的全貌。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 126

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队wzk1015

所属国家

官网地址

GitHubhttps://github.com/wzk1015/Awesome-Vision-to-Music-Generation

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言

技术栈/模型image-to-music,multimodal-generation,music-generation,survey,video-to-music,vision-to-music

GitHub 星标★ 126

30天Star增速

HF 下载量

上线时间2025-03-24 00:00:00

最近更新2026-07-13 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

按方法、数据集、评估、挑战四维分类，检索效率高
结合ISMIR 2025综述，内容权威且前沿
覆盖多模态对齐、同步性等核心难点，实用性强

不足之处

文档/社区待观察
项目尚处早期，资源收录可能不全

适用场景

科研人员快速调研视觉音乐生成领域
工程师寻找可用的跨模态生成模型参考
学生入门学习多模态生成技术路线

替代项目

Awesome-Music-Generation、Awesome-Audio-Visual-Segmentation、Awesome-Multimodal-Generation

项目介绍

Awesome-Vision-to-Music-Generation 是音频音乐领域的开源项目，由 wzk1015 开发，2025 年首次发布。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 126。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-13。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：科研人员快速调研视觉音乐生成领域。同类可对比的替代方案包括 Awesome-Music-Generation、Awesome-Audio-Visual-Segmentation、Awesome-Multimodal-Ge…。

上一篇：ThemeTransformer

下一篇：word2wave