video-bgm-generation 是音频音乐领域的开源项目，由 wzk1015 开发，2021 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 326。
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 2026-08-20。MIT许可证，可免费使用和部署。
它主要面向的使用场景是：视频创作者自动生成背景音乐。同类可对比的替代方案包括 Music Transformer、MuseGAN、Video2Music。
video-bgm-generation
根据视频内容自动生成匹配的背景音乐，省时又专业
video-bgm-generation 是 ACM MM 2021 最佳论文的开源实现，旨在为视频自动生成背景音乐。它解决的核心问题是视频与音乐匹配难、人工配乐耗时费力的问题。项目基于可控音乐 Transformer 模型，能够根据视频的视觉内容、情绪和节奏，生成风格和节奏匹配的背景音乐。核心能力包括：视频特征提取、音乐生成控制（如情绪、速度、乐器）、以及视频-音乐同步对齐。模型采用自回归方式生成音乐，支持用户指定音乐属性，实现一定程度的可控生成。代码提供完整的训练和推理流程，适合研究音乐生成和视频理解交叉领域的人员使用。
开源
free
音频音乐
GitHub 星标
★ 326
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
定价模式free
价格说明开源项目，MIT许可证，可免费使用和部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai-music,music-generation
GitHub 星标★ 326
30天Star增速
HF 下载量
上线时间2021-09-10 00:00:00
最近更新2026-08-20 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3
使用教程
核心亮点
- 基于 ACM MM 最佳论文，算法有学术背书，效果有保障
- 支持可控音乐生成，可指定情绪、速度等属性，灵活度高
- 提供完整训练和推理代码，便于二次开发和复现
不足之处
- 项目较早期，文档和社区支持有限，上手门槛较高
- 模型依赖预训练特征，对输入视频质量有一定要求
适用场景
- 视频创作者自动生成背景音乐
- 影视后期快速配乐原型
- 音乐生成与视频理解交叉研究
替代项目
Music Transformer、MuseGAN、Video2Music
项目介绍
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···