香港科技大学开源了一个很牛的音乐生成模型

- 最多可以生成 5 分钟的带人声音乐
- 支持中文普通话和粤语
- 在RTX 4090 上，生成30s音频大约需要360秒
- 标签组成为：类型，仪器，情绪，性别和音色

项目介绍：map-yue.github.io
模型下载：huggingface.co