Mustango 是一個透過文字提示生成音樂的工具，類似於Midjourney。使用者可以使用詳細的文字提示描述音樂的風格、節奏、和弦和樂器等，以生成符合需求的音樂。與其他工具不同的是，Mustango能夠理解和處理音樂特定的技術語言，例如和弦、節奏、速度和音調，提供更精確的音樂生成控制。
以下是一些關鍵特點和原理：
-
文字到音樂的轉換： 使用者可以輸入包含音樂描述的文字，如音樂風格、節奏、和弦類型等。Mustango 系統解析這些文字提示，並基於提示生成音樂。
-
可控性： 使用者可以透過文字輸入影響和指導音樂生成，例如指定快節奏的爵士樂。生成的音樂將反映這些特定的特徵。
-
技術實現： Mustango 利用潛在擴散模型（Latent Diffusion Model, LDM）和Flan-T5 模型，結合音樂領域的知識，實現了從文字到音樂的高度可控生成。
-
MuNet： MuNet 是 Mustango 的核心組件，結合了音樂特定的特徵和文本嵌入到去噪過程中。它能夠從文字提示中預測音樂特徵，並將這些特徵融入音樂生成過程。
-
數據增強： Mustango 採用了一種新穎的數據增強方法，改變音樂的和聲、節奏和動態特徵，並使用音樂訊息檢索方法提取音樂特徵。
Mustango 使用的 MusicBench 資料庫包含大量音樂實例，每個實例都有詳細的音樂理論描述，為生成過程提供了豐富的、多樣化的音樂資源。
這些技術和原理的結合使 Mustango 能夠從簡單的文本提示中生成高品質、高度可控的音樂，為音樂創作和人工智能領域帶來了新的可能性。
