快手可灵AI发布数字人模型Avatar2.0，用户仅需提供一张照片和一段音乐，即可生成长达5分钟的唱歌视频。该模型显著提升了数字人的表现力，使其能够自然展现表情和肢体动作，告别僵硬“对口型”模式。这标志着AI内容创作从静态向动态叙事的重大进步。
昆仑万维发布Mureka V7.6和O2模型，推动AI音乐创作发展。新模型优化用户体验和生成效果，引发全球关注。自3月底O1和V6模型上线后，平台新增近700万用户，覆盖超100个国家。持续迭代的V7系列进一步提升了服务能力。
巨人网络AI Lab联合清华大学、西北工业大学发布三项音视频多模态生成技术：YingVideo-MV（音乐驱动视频生成）、YingMusic-SVC（零样本歌声转换）和YingMusic-Singer（歌声合成）。这些技术将开源，其中YingVideo-MV仅需音乐和人物图像即可生成视频。
华纳音乐与AI公司Udio达成和解并签署许可协议，计划2026年推出AI音乐创作平台。该平台将使用授权音乐训练的生成式AI模型，旨在为艺术家和创作者提供新收入来源，同时保障版权。
GPTunneL提供多模型AI服务，可生成文本、图像等，支持多方式支付。
Aivvid AI是一体化AI创意平台，可生成视频、图像、音乐和配音。
免费AI生成器中心，50+模型在线创作图像、视频和音乐
MusicArt AI免费音乐生成器，可创作情感原创歌曲，融合创意与智能。
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
$6
$24
256
Baidu
128
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。
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。
nateraw
基于musicgen-stereo-melody-large微调的文本转音频模型，专为音乐制作人设计，可生成32kHz立体声音频的歌曲创意
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)
