AudioLDM 2
Free.ai (self-hosted)
·
music
·
~5000 tokens por track
·
4.1
desde 11 usuarios desta categoría
AudioLDM 2 é a modelo de xeración de música construído por Haohe Liu. Máis forte en Music generation from text. Auto- hospedado en GPUs Free.ai - executa libremente contra o seu conxunto diario de tokens (5,000 tokens por pista). Publicado baixo Apache 2.0 - uso comercial permitido baixo Free.ai.
Usar a API
API REST compatíbel con OpenAI. Xere unha chave e chame a este modelo en segundos.
curl -X POST https://api.free.ai/v1/music/generate/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"audioldm2","prompt":"your prompt here"}'Modelos semellantes
Preguntas frecuentes
AudioLDM 2 xera música instrumental orixinal (e, en algúns motores, voces) a partir dun prompt de texto. Describe o ambiente, o xénero, a instrumentación ou os BPM e AudioLDM 2 devolve unha pista de audio rematada.
De 10 a 60 segundos por xeración, segundo o motor. Para pezas máis longas, encadea varias xeracións con /music/stitch/ ou xera segmentos de 30 segundos e únoos cun fundido cruzado.
Algúns motores sintetizan voces a partir da letra que proporciones (pega a letra no formulario); outros son só instrumentais. Mira o formulario desta páxina: se hai un campo de letra, admite voces.
Pop, rock, EDM, jazz, ambient, clásica, lo-fi e instrumentais de hip-hop resultan razoablemente ben. Os xéneros de nicho (gamelán, carnático, canto de gorxa) son máis débiles: describe os instrumentos de forma explícita para obter os mellores resultados.
AudioLDM 2 funciona nas nosas propias GPU e consome primeiro o teu pool diario gratuíto; despois, $5 → 200,000 tokens de pago. Unos ~5,000 tokens por pista.
WAV por defecto (sen perdas, listo para seguir mesturando). O MP3 está dispoñible no selector de saída para ficheiros máis pequenos.
Non. AudioLDM 2 devolve unha pista mesturada. Para separala en stems, pasa o resultado por /music/stem-splitter/, que extrae voz, batería, baixo e outros.
Si, /batch/ acepta unha lista de prompts. Cada pista aparece en /account/?tab=history co prompt como nome de ficheiro. Para ter máis control, usa a API.
Si, envía o teu prompt por POST a /v1/music/generate/ con model="AudioLDM 2". En /api/ tes a referencia completa, con parámetros de letra, duración e tempo.
AudioLDM 2 non reproduce composicións con dereitos de autor: os resultados sintetízanse desde cero. Free.ai concede o uso comercial; conservas os dereitos das túas pistas xeradas. Nomear un artista no prompt pide “ao estilo de”, pero o audio en si é orixinal.
De 15 segundos a 2 minutos por pista segundo a duración e o motor. Os modelos premium rematan máis rápido. Usa o botón da cola para pechar a pestana: o resultado chega a /account/?tab=history cando remate.
Si, as renderizacións fallidas reembólsanse automaticamente. Se unha pista se xerou pero soa mal, escribe a contact@free.ai coa ligazón para compartir e revisarémola caso por caso.