MusicLM
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 26 January 2023
- Autores
- Andrea Agostinelli, Timo I. Denk, Zalán Borsos, Jesse Engel, Mauro Verzetti, Antoine Caillon, Qingqing Huang, Aren Jansen, Adam Roberts, Marco Tagliasacchi, Matt Sharifi, Neil Zeghidour, Christian Frank
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Audio
- Tarea
- Audio generation
- Modelo base
- W2v-BERT
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 860M
- Datos de entrenamiento
- tokens
"We use decoder-only Transformers for modeling the semantic stage and the acoustic stages of AudioLM. The models share the same architecture, composed of 24 layers, 16 attention heads, an embedding dimension of 1024, feed-forward layers of dimensionality 4096, dropout of 0.1, and relative positional embeddings (Raffel et al., 2020), resulting in 430M parameters per stage." "stage" seems to mean semantic + acoustic, so 860M total
>280k hours
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Modelo de Fundación
- Yes
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 671
"We demonstrate that our method outperforms baselines on MusicCaps, a hand-curated, high-quality dataset of 5.5k music-text pairs prepared by musicians."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- MusicLM: Generating Music From Text
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
MusicLM fue publicado por Google, en el país registrado como United States of America, durante January 2023. Sale de una organización categorizada como industry.
Funciona en el dominio de Audio, y se registra como realizando la tarea de audio generation.
En lugar de ser entrenado desde cero, se deriva de W2v-BERT. Por eso comparte la forma y el tamaño general del modelo base.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Cómo fue entrenado
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
MusicLM — preguntas comunes
MusicLM— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 860M. "We use decoder-only Transformers for modeling the semantic stage and the acoustic stages of AudioLM. The models share the same architecture, composed of 24 layers, 16 attention heads, an embedding dimension of 1024, feed-forward layers of dimensionality 4096, dropout of 0.1, and relative positional embeddings (Raffel et al., 2020), resulting in 430M parameters per stage." "stage" seems to mean semantic + acoustic, so 860M total. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
MusicLM— ¿Quién lo creó?
Fue publicado por Google, basado en United States of America, una organización categorizada como industry.
MusicLM— ¿cuándo fue lanzado?
Se publicó en January 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
MusicLM— ¿Para qué se utiliza?
Funciona en el dominio de Audio, y se registra como manejando la tarea de audio generation. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
MusicLM— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
MusicLM— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.