图片截自OpenAI
腾讯推出的M2UGen是一款多模态音乐生成框架，结合音乐和多模态任务，支持从文字、图像、视频生成音乐，并具备强大的编辑功能。
品牌如何掘金视频号?视频号还有哪些机会和挑战?1月23-24日，慕江南创始人周大帅将作为嘉宾在2024新榜大会现场分享，欢迎到场交流。点击文末“阅读原文”，了解更多。
在日常治理的过程中，我们发现仍有个别自媒体”账号通过混淆名称、虚构信息等形式，假冒仿冒官方机构、新闻媒体及特定专业人员，发布内容误导公众。
据悉，M2UGen采用了创新的方法，生成了大规模的多模态音乐指导数据集，用于训练模型。这包括MU-LLaMA模型生成的1.2k多小时音乐字幕数据集。模型结合了MU-LLaMA、BLIP图像字幕模型、MPT-7B-Chat模型以及VideoMAE字幕模型，以在各个领域生成对应的指导。