AudioLDM 2
Free.ai (self-hosted)
·
music
·
~5000 tokens por track
·
4.0
desde 4 usuarios desta categoría
AudioLDM 2 é a modelo de xeración de música construído por Haohe Liu. "A mellor en Music generation from text". Auto-aloxado en Free.ai GPUs — executa libremente contra o seu conxunto de tokens diarios (5,000 tokens por pista). Publicado baixo a licenza Apache 2.0 — uso comercial permitido en Free.ai.
Empregar a través da 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 nalgúns motores, voces) a partir dun aviso de texto. Describa o estado de ánimo, xénero, instrumentación ou BPM e AudioLDM 2 devolve unha pista de son rematada.
De 10 a 60 segundos por xeración dependendo do motor. Para pezas máis longas, encadee varias xeracións a través de / music/ stitch / ou xere en segmentos de 30 segundos e fundido cruzado.
Algúns motores sintetizan as voces a partir das letras que proporcione (apegue as letras no formulario); outros son só instrumentais. Sinale o campo Letras nesta páxina para que se admitan as voces.
Os instrumentos pop, rock, EDM, jazz, ambient, clásico, lo- fi, hip- hop son razoablemente ben interpretados. Os xéneros de nicho (gamelan, carnatic, throat singing) son máis febles; describa os instrumentos explicitamente para obter os mellores resultados.
AudioLDM 2 executase nas nosas propias GPUs contra o teu grupo diario de tokens libres primeiro; $5 → 200. 000 tokens pagados despois. Aproximadamente ~5. 000 tokens por pista.
WAV por omisión (sen perdas, listo para mesturar máis tarde). MP3 está dispoñíbel no selector de saída para ficheiros máis pequenos.
Non — AudioLDM 2 devolve unha pista mixta. Para separar en partes, execute a saída a través de / music/ separate / que emprega Demucs para extraer voces, batería, baixo e outros.
Si — / batch / acepta unha lista de mensaxes. Cada pista atópase en / account/? tab=history coa mensaxe como nome do ficheiro. Para máis control, use a API.
Si — POST o seu prompt a /v1/music/generate/ con model="AudioLDM 2". /api/ ten a referencia completa incluíndo a letra, a duración e os parámetros de tempo.
AudioLDM 2 __ non reproduce composicións con dereitos de autor, as saídas son sintetizadas frescas. Free.ai concede uso comercial; retén os dereitos das pistas xeradas. Nomear un artista no aviso pide « no estilo de » — o son real é orixinal.
De 15 segundos a 2 minutos por pista dependendo da duración + motor. Os modelos Premium rematan máis rápido. Use o botón de fila para pechar a páxina — o resultado atópase en /account/?tab=history cando remate.
Si, as representacións con fallos devolven automaticamente. Para pistas que se executaron pero soan mal, envíe un correo electrónico a contact@ free. ai coa ligazón para compartir e revisaremos caso por caso.