研究人员开发了使用大型语言模型（LLM）进行文本到音乐生成的新方法。第一种方法“Agogic”专注于性能计时音乐标记，并证明了音乐表示的选择对分布保真度有显著影响，其影响程度通常超过模型大小。第二种方法“MIDI-LLM”通过扩展其词汇表以包含 MIDI 标记来调整 LLM，并使用两阶段训练过程来同时提高文本控制和音乐质量，在人类-AI 音乐共创工作流程中表现出强大的性能。 AI
影响 文本到音乐生成的这些进步可能带来更复杂的 AI 音乐创作工具，并增强人类-AI 创意协作。
排序理由 arXiv 上发表了两篇研究论文，详细介绍了使用 LLM 进行文本到音乐生成的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.03999v1 Announce Type: cross Abstract: Text-to-music language models begin with a choice usually made by default: how to tokenize music. Normally entangled with backbone, data, and recipe, its effect has never been measured in isolation. We fix pretrained Qwen3.5 (0.8B…
arXiv:2511.03942v2 Announce Type: replace-cross Abstract: We present MIDI-LLM, a recipe that improves multitrack text-to-MIDI generation via adapting Large Language Models (LLMs). MIDI-LLM expands an LLM's text vocabulary to include MIDI tokens and employs a two-stage training pi…