MiniMax发布新一代AI音乐生成模型Music 2.6，实现从底层引擎到创作工具的全维度升级。核心优化包括大幅降低生成延迟、提升音乐结构连贯性、改善音质与听感，并新增“音乐续写”等创作功能。此次更新旨在为创作者提供更精准、流畅的音乐生成体验，拓宽AI音乐交互边界。
全球顶级唱片公司与AI音乐初创企业Suno就AI生成音乐的版权许可谈判陷入僵局，双方在保护艺术家权益方面存在分歧，目前尚无明确解决方案。
ElevenLabs发布iOS应用ElevenMusic，进军AI音乐创作与社交领域。用户可通过自然语言提示生成定制音乐，调整曲目长度、歌词和艺术风格。应用还整合流媒体社交功能，提供实时电台、预设专辑和基于喜好的音乐发现，与Suno、Udio等平台展开竞争。
谷歌DeepMind推出增强版音乐创作大模型Lyria 3 Pro，标志着生成式AI在音频领域从生成短乐句迈向全曲创作。该模型音质显著提升，核心突破在于具备“结构意识”，能生成逻辑完整的长音频，实现从“碎片”到“篇章”的进化。
AIGPTS集成顶尖AI模型，可快速创建视频、图像、音频等AI内容。
免费AI音乐生成器，秒速将文字变歌曲，免版税、无音乐技能要求
最强大的本地音乐生成模型，超越大多数商业替代品。
使用我们的 AI 音乐视频生成器，快速制作惊艳的音乐视频。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
Baidu
128
$6
$24
256
Bytedance
$1.2
$3.6
4
$2
ACE-Step
一个混合说唱声线模型，专注于提升中文说唱/嘻哈音乐的生成质量
calcuis
ACE-Step-v1-3.5B是一个文本转音频模型，支持高质量音频生成，适用于音乐和声音效果创作。
walterheart
Bark是由Suno创建的基于Transformer的文本转音频模型，可生成高度逼真的多语言语音、音乐、背景噪音和音效。
HKUSTAudio
AudioX是一个统一的扩散变压器模型，可实现任意内容到音频及音乐的生成。它能生成高质量通用音频与音乐作品，提供灵活的自然语言控制，并能无缝处理多种模态输入。
m-a-p
YuE 是一系列开源基础模型，专为音乐生成设计，特别是将歌词转化为完整的歌曲（lyrics2song）。
awsaf49
用于端到端合成歌曲检测的先进模型，能够识别AI生成的完整歌曲（包括人声、音乐、歌词和风格）
Alissonerdx
YuE是一个开创性的开源基础模型系列，专为音乐生成设计，特别是将歌词转化为完整歌曲（lyrics2song）。
Doctor-Shotgun
基于m-a-p/YuE-s1-7B-anneal-en-cot模型使用Exllamav2量化的版本，适用于文本生成任务，特别在音乐相关领域表现良好。
YuE是一系列开源基础模型，专为音乐生成设计，特别是将歌词转化为完整歌曲（lyrics2song）。
FunAudioLLM
InspireMusic是一个专注于音乐生成、歌曲生成和音频生成的统一框架，通过音频分词与自回归变换器及基于流匹配模型相结合，支持高质量长篇幅音频生成。
InspireMusic是一个专注于音乐生成、歌曲生成和音频生成的统一框架，通过音频标记化技术整合自回归变换器与基于流匹配模型，支持高质量长音频生成。
InspireMusic是一个专注于音乐生成、歌曲生成和音频生成的统一工具包，支持高音质和长篇幅音乐生成。
InspireMusic是一个专注于音乐生成、歌曲生成和音频生成的统一框架，支持高音质和长篇幅音乐生成。
InspireMusic是一个专注于音乐生成、歌曲生成和音频生成的统一工具包，具有高音频质量和长篇幅音乐生成能力。
jadechoghari
QAMDT是一种面向文本生成音乐的质量感知扩散模型，通过创新训练技术提升音频保真度和音乐表现力。
WizWhite
这是一个用于生成迷幻风格图像的LoRA模型，融合了迷幻艺术、低俗插画、音乐会海报等多种艺术元素，能创造出独特且有趣的图像效果。
nvidia
BigVGAN 是一款由 NVIDIA 开发的大规模训练的通用神经声码器。它通过对抗性生成网络（GAN）架构，将梅尔频谱图等声学特征转换为高质量、高保真的音频波形。该模型在多种音频类型（如语音、环境声、音乐）上进行了大规模训练，支持多种采样率和配置，以其卓越的音频质量和通用性在语音合成领域表现出色。
ylacombe
基于facebook/musicgen-melody微调的LoRA模型，专注于生成朋克风格音乐
nagayama0706
这是一个通过合并文本生成模型和音乐生成模型创建的混合模型，能够处理文本生成和音乐生成任务。
开源短视频自动生成工具，整合文本转语音、自动字幕、背景视频和音乐，从简单文本输入创建专业短视频。
MIDI MCP服务器是一个通过文本数据生成MIDI音乐文件的工具
一个生产就绪的MCP服务器，通过Strudel.cc实现AI驱动的音乐生成，提供完整的浏览器自动化控制、实时音频分析和模式生成功能
一个基于Python的MCP服务器项目，能与Claude等AI助手协作，根据用户心情或主题生成.m3u格式的本地音乐播放列表，并保存到指定目录。
MusicMCP.AI的官方MCP服务器，通过自然语言指令让AI助手（如Claude）调用先进的AI音乐生成平台，支持灵感模式和自定义模式生成歌曲，并提供余额查询和健康检查功能。
一个基于FastMCP的MIDI服务器，允许LLM通过虚拟MIDI端口向支持MIDI输入的软件发送音符和控制信号。
Emotion Playlist MCP是一个基于MCP的工具，根据用户情绪状态生成Spotify播放列表。它利用Brave搜索和Spotify集成，自动创建符合心情的音乐播放列表。
一个基于MiniMax Music API的MCP服务器实现，用于AI驱动的音乐生成，支持与Claude Desktop无缝集成。
Shorts Video Maker是一个开源工具，用于自动化生成短视频。它结合了文本转语音、自动字幕、背景视频和音乐技术，通过简单文本输入创建吸引人的短视频内容。支持REST API和MCP协议，适用于内容创作者和开发者。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
