🚀 风格预测功能: 具备说话风格预测，根据语音自动调整动画表情，使得生成的动画更加贴近原始音频。
图源备注：图片由AI生成，图片授权服务商Midjourney
看到这里，我不禁想发出疑问:一款派对游戏，到底是在什么时候开始成为年轻人的精神乐园的?
除了可以从文字生成音乐外，它还支持图像、视频和音频生成音乐，并且还可以编辑已有的音乐。该项目利用了MERT等编码器进行音乐理解，ViT进行图像理解，ViViT进行视频理解，并使用MusicGen/AudioLDM2模型作为音乐生成模型（音乐解码器）。用户可以轻松移除或替换特定乐器，调整音乐的节奏和速度。这使得用户能够创造出符合其独特创意的音乐作品。
此外，M2UGen还加入了适配器和LLaMA2模型，使得该模型具备多种能力。