[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-facebookresearch--audiocraft":3,"tool-facebookresearch--audiocraft":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",159267,2,"2026-04-17T11:29:14",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":102,"forks":103,"last_commit_at":104,"license":105,"difficulty_score":10,"env_os":106,"env_gpu":107,"env_ram":106,"env_deps":108,"category_tags":117,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":119,"updated_at":120,"faqs":121,"releases":151},8550,"facebookresearch\u002Faudiocraft","audiocraft","Audiocraft is a library for audio processing and generation with deep learning. It features the state-of-the-art EnCodec audio compressor \u002F tokenizer, along with MusicGen, a simple and controllable music generation LM with textual and melodic conditioning.","Audiocraft 是一个基于 PyTorch 构建的开源深度学习库，专注于音频的处理与生成。它旨在解决高质量音频内容创作门槛高、可控性差的难题，让开发者能够轻松训练和部署先进的生成式 AI 模型。\n\n无论是希望从零开始训练自定义模型的研究人员，还是想要快速集成音乐生成功能的开发者，Audiocraft 都提供了完善的训练代码与推理工具。普通用户虽不直接操作代码，但能间接受益于基于此库开发的各类创意应用。\n\n其核心亮点在于集成了多个业界领先的模型：包括可根据文本描述创作音乐的 MusicGen、将文字转化为环境音效的 AudioGen，以及提供高保真音频压缩的 EnCodec 编码器。此外，它还支持多波段扩散解码、音频水印技术（AudioSeal）以及结合和弦与旋律条件的 JASCO 模型。凭借模块化设计和对最新算法的支持，Audiocraft 成为了当前音频 AI 领域探索与创新的重要基石。","# AudioCraft\n![docs badge](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fworkflows\u002Faudiocraft_docs\u002Fbadge.svg)\n![linter badge](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fworkflows\u002Faudiocraft_linter\u002Fbadge.svg)\n![tests badge](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fworkflows\u002Faudiocraft_tests\u002Fbadge.svg)\n\nAudioCraft is a PyTorch library for deep learning research on audio generation. AudioCraft contains inference and training code\nfor two state-of-the-art AI generative models producing high-quality audio: AudioGen and MusicGen.\n\n\n## Installation\nAudioCraft requires Python 3.9, PyTorch 2.1.0. To install AudioCraft, you can run the following:\n\n```shell\n# Best to make sure you have torch installed first, in particular before installing xformers.\n# Don't run this if you already have PyTorch installed.\npython -m pip install 'torch==2.1.0'\n# You might need the following before trying to install the packages\npython -m pip install setuptools wheel\n# Then proceed to one of the following\npython -m pip install -U audiocraft  # stable release\npython -m pip install -U git+https:\u002F\u002Fgit@github.com\u002Ffacebookresearch\u002Faudiocraft#egg=audiocraft  # bleeding edge\npython -m pip install -e .  # or if you cloned the repo locally (mandatory if you want to train).\npython -m pip install -e '.[wm]'  # if you want to train a watermarking model\n```\n\nWe also recommend having `ffmpeg` installed, either through your system or Anaconda:\n```bash\nsudo apt-get install ffmpeg\n# Or if you are using Anaconda or Miniconda\nconda install \"ffmpeg\u003C5\" -c conda-forge\n```\n\n## Models\n\nAt the moment, AudioCraft contains the training code and inference code for:\n* [MusicGen](.\u002Fdocs\u002FMUSICGEN.md): A state-of-the-art controllable text-to-music model.\n* [AudioGen](.\u002Fdocs\u002FAUDIOGEN.md): A state-of-the-art text-to-sound model.\n* [EnCodec](.\u002Fdocs\u002FENCODEC.md): A state-of-the-art high fidelity neural audio codec.\n* [Multi Band Diffusion](.\u002Fdocs\u002FMBD.md): An EnCodec compatible decoder using diffusion.\n* [MAGNeT](.\u002Fdocs\u002FMAGNET.md): A state-of-the-art non-autoregressive model for text-to-music and text-to-sound.\n* [AudioSeal](.\u002Fdocs\u002FWATERMARKING.md): A state-of-the-art audio watermarking.\n* [MusicGen Style](.\u002Fdocs\u002FMUSICGEN_STYLE.md): A state-of-the-art text-and-style-to-music model.\n* [JASCO](.\u002Fdocs\u002FJASCO.md): \"High quality text-to-music model conditioned on chords, melodies and drum tracks\"\n\n\n## Training code\n\nAudioCraft contains PyTorch components for deep learning research in audio and training pipelines for the developed models.\nFor a general introduction of AudioCraft design principles and instructions to develop your own training pipeline, refer to\nthe [AudioCraft training documentation](.\u002Fdocs\u002FTRAINING.md).\n\nFor reproducing existing work and using the developed training pipelines, refer to the instructions for each specific model\nthat provides pointers to configuration, example grids and model\u002Ftask-specific information and FAQ.\n\n\n## API documentation\n\nWe provide some [API documentation](https:\u002F\u002Ffacebookresearch.github.io\u002Faudiocraft\u002Fapi_docs\u002Faudiocraft\u002Findex.html) for AudioCraft.\n\n\n## FAQ\n\n#### Is the training code available?\n\nYes! We provide the training code for [EnCodec](.\u002Fdocs\u002FENCODEC.md), [MusicGen](.\u002Fdocs\u002FMUSICGEN.md),[Multi Band Diffusion](.\u002Fdocs\u002FMBD.md) and [JASCO](.\u002Fdocs\u002FJASCO.md).\n\n#### Where are the models stored?\n\nHugging Face stored the model in a specific location, which can be overridden by setting the `AUDIOCRAFT_CACHE_DIR` environment variable for the AudioCraft models.\nIn order to change the cache location of the other Hugging Face models, please check out the [Hugging Face Transformers documentation for the cache setup](https:\u002F\u002Fhuggingface.co\u002Fdocs\u002Ftransformers\u002Finstallation#cache-setup).\nFinally, if you use a model that relies on Demucs (e.g. `musicgen-melody`) and want to change the download location for Demucs, refer to the [Torch Hub documentation](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fstable\u002Fhub.html#where-are-my-downloaded-models-saved).\n\n\n## License\n* The code in this repository is released under the MIT license as found in the [LICENSE file](LICENSE).\n* The models weights in this repository are released under the CC-BY-NC 4.0 license as found in the [LICENSE_weights file](LICENSE_weights).\n\n\n## Citation\n\nFor the general framework of AudioCraft, please cite the following.\n```\n@inproceedings{copet2023simple,\n    title={Simple and Controllable Music Generation},\n    author={Jade Copet and Felix Kreuk and Itai Gat and Tal Remez and David Kant and Gabriel Synnaeve and Yossi Adi and Alexandre Défossez},\n    booktitle={Thirty-seventh Conference on Neural Information Processing Systems},\n    year={2023},\n}\n```\n\nWhen referring to a specific model, please cite as mentioned in the model specific README, e.g\n[.\u002Fdocs\u002FMUSICGEN.md](.\u002Fdocs\u002FMUSICGEN.md), [.\u002Fdocs\u002FAUDIOGEN.md](.\u002Fdocs\u002FAUDIOGEN.md), etc.\n","# AudioCraft\n![文档徽章](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fworkflows\u002Faudiocraft_docs\u002Fbadge.svg)\n![代码检查徽章](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fworkflows\u002Faudiocraft_linter\u002Fbadge.svg)\n![测试徽章](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fworkflows\u002Faudiocraft_tests\u002Fbadge.svg)\n\nAudioCraft 是一个用于音频生成深度学习研究的 PyTorch 库。AudioCraft 包含两个最先进的 AI 生成模型的推理和训练代码，这些模型能够生成高质量音频：AudioGen 和 MusicGen。\n\n\n## 安装\nAudioCraft 需要 Python 3.9 和 PyTorch 2.1.0。要安装 AudioCraft，可以运行以下命令：\n\n```shell\n# 最好先确保已安装 PyTorch，尤其是在安装 xformers 之前。\n# 如果你已经安装了 PyTorch，请不要运行此命令。\npython -m pip install 'torch==2.1.0'\n# 在尝试安装相关包之前，可能需要执行以下命令\npython -m pip install setuptools wheel\n# 然后选择以下其中一种方式继续安装\npython -m pip install -U audiocraft  # 稳定版\npython -m pip install -U git+https:\u002F\u002Fgit@github.com\u002Ffacebookresearch\u002Faudiocraft#egg=audiocraft  # 开发版\npython -m pip install -e .  # 或者如果你在本地克隆了仓库（如果要进行训练则必须）\npython -m pip install -e '.[wm]'  # 如果你想训练水印模型\n```\n\n我们还建议安装 `ffmpeg`，可以通过系统包管理器或 Anaconda 进行安装：\n```bash\nsudo apt-get install ffmpeg\n# 或者如果你使用的是 Anaconda 或 Miniconda\nconda install \"ffmpeg\u003C5\" -c conda-forge\n```\n\n## 模型\n\n目前，AudioCraft 包含以下模型的训练代码和推理代码：\n* [MusicGen](.\u002Fdocs\u002FMUSICGEN.md)：最先进的可控文本到音乐模型。\n* [AudioGen](.\u002Fdocs\u002FAUDIOGEN.md)：最先进的文本到声音模型。\n* [EnCodec](.\u002Fdocs\u002FENCODEC.md)：最先进的高保真神经网络音频编解码器。\n* [多频段扩散](.\u002Fdocs\u002FMBD.md)：一种与 EnCodec 兼容的基于扩散的解码器。\n* [MAGNeT](.\u002Fdocs\u002FMAGNET.md)：最先进的非自回归文本到音乐和文本到声音模型。\n* [AudioSeal](.\u002Fdocs\u002FWATERMARKING.md)：最先进的音频水印技术。\n* [MusicGen Style](.\u002Fdocs\u002FMUSICGEN_STYLE.md)：最先进的文本和风格到音乐模型。\n* [JASCO](.\u002Fdocs\u002FJASCO.md)：“高质量的文本到音乐模型，可根据和弦、旋律和鼓点进行条件控制”\n\n\n## 训练代码\nAudioCraft 包含用于音频深度学习研究的 PyTorch 组件以及所开发模型的训练流水线。有关 AudioCraft 设计原则的概述及如何构建自定义训练流水线的说明，请参阅 [AudioCraft 训练文档](.\u002Fdocs\u002FTRAINING.md)。\n\n若要复现现有工作并使用已开发的训练流水线，请参考各具体模型的说明，其中提供了配置指南、示例网格以及针对特定模型和任务的信息和常见问题解答。\n\n\n## API 文档\n我们为 AudioCraft 提供了一些 [API 文档](https:\u002F\u002Ffacebookresearch.github.io\u002Faudiocraft\u002Fapi_docs\u002Faudiocraft\u002Findex.html)。\n\n\n## 常见问题解答\n\n#### 训练代码是否公开？\n\n是的！我们提供了 [EnCodec](.\u002Fdocs\u002FENCODEC.md)、[MusicGen](.\u002Fdocs\u002FMUSICGEN.md)、[多频段扩散](.\u002Fdocs\u002FMBD.md) 和 [JASCO](.\u002Fdocs\u002FJASCO.md) 的训练代码。\n\n#### 模型存储在哪里？\n\nHugging Face 将模型存储在特定位置，可以通过设置 `AUDIOCRAFT_CACHE_DIR` 环境变量来覆盖 AudioCraft 模型的缓存路径。要更改其他 Hugging Face 模型的缓存位置，请参阅 [Hugging Face Transformers 缓存设置文档](https:\u002F\u002Fhuggingface.co\u002Fdocs\u002Ftransformers\u002Finstallation#cache-setup)。最后，如果你使用依赖 Demucs 的模型（例如 `musicgen-melody`），并希望更改 Demucs 的下载位置，请参考 [Torch Hub 文档](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fstable\u002Fhub.html#where-are-my-downloaded-models-saved)。\n\n\n## 许可证\n* 本仓库中的代码根据 [LICENSE 文件](LICENSE) 中的 MIT 许可证发布。\n* 本仓库中的模型权重根据 [LICENSE_weights 文件](LICENSE_weights) 中的 CC-BY-NC 4.0 许可证发布。\n\n\n## 引用\n对于 AudioCraft 的通用框架，请引用以下文献：\n```\n@inproceedings{copet2023simple,\n    title={Simple and Controllable Music Generation},\n    author={Jade Copet and Felix Kreuk and Itai Gat and Tal Remez and David Kant and Gabriel Synnaeve and Yossi Adi and Alexandre Défossez},\n    booktitle={Thirty-seventh Conference on Neural Information Processing Systems},\n    year={2023},\n}\n```\n\n当引用特定模型时，请按照该模型的 README 中的说明进行引用，例如 [.\u002Fdocs\u002FMUSICGEN.md](.\u002Fdocs\u002FMUSICGEN.md)、[.\u002Fdocs\u002FAUDIOGEN.md](.\u002Fdocs\u002FAUDIOGEN.md) 等。","# AudioCraft 快速上手指南\n\nAudioCraft 是 Facebook Research 开源的 PyTorch 库，专注于音频生成领域的深度学习研究。它包含了 **MusicGen**（文本生成音乐）、**AudioGen**（文本生成音效）等前沿模型的推理与训练代码。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux 或 macOS（Windows 用户建议使用 WSL2）\n*   **Python 版本**：3.9\n*   **PyTorch 版本**：2.1.0\n*   **依赖工具**：`ffmpeg`（用于音频处理）\n\n### 安装系统依赖 (ffmpeg)\n\n**Ubuntu\u002FDebian:**\n```bash\nsudo apt-get install ffmpeg\n```\n\n**Anaconda\u002FMiniconda:**\n```bash\nconda install \"ffmpeg\u003C5\" -c conda-forge\n```\n\n## 安装步骤\n\n建议先单独安装指定版本的 PyTorch，然后再安装 AudioCraft，以避免依赖冲突。\n\n### 1. 安装 PyTorch 2.1.0\n如果您尚未安装 PyTorch，请先执行以下命令：\n```shell\npython -m pip install 'torch==2.1.0'\n```\n\n### 2. 安装基础构建工具\n```shell\npython -m pip install setuptools wheel\n```\n\n### 3. 安装 AudioCraft\n根据您的使用场景选择以下一种方式：\n\n*   **安装稳定版（推荐用于推理）：**\n    ```shell\n    python -m pip install -U audiocraft\n    ```\n\n*   **安装最新版（包含最新功能）：**\n    ```shell\n    python -m pip install -U git+https:\u002F\u002Fgit@github.com\u002Ffacebookresearch\u002Faudiocraft#egg=audiocraft\n    ```\n\n*   **本地源码安装（用于训练或修改代码）：**\n    克隆仓库后，在根目录执行：\n    ```shell\n    python -m pip install -e .\n    ```\n    *若需训练水印模型，请使用 `python -m pip install -e '.[wm]'`*\n\n> **提示**：国内用户若遇到下载速度慢的问题，可添加 `-i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple` 参数使用清华镜像源加速 pip 安装。模型文件默认存储在 Hugging Face 缓存目录，可通过设置环境变量 `AUDIOCRAFT_CACHE_DIR` 自定义存储路径。\n\n## 基本使用\n\n安装完成后，您可以直接使用 Python 调用预训练模型进行音频生成。以下是一个使用 **MusicGen** 根据文本描述生成音乐的极简示例。\n\n### 代码示例\n\n```python\nimport torch\nfrom audiocraft.models import MusicGen\nfrom audiocraft.data.audio import audio_write\n\n# 加载预训练模型 (可选: small, medium, large, melody)\nmodel = MusicGen.get_pretrained('small')\n\n# 设置生成参数\nmodel.set_generation_params(duration=8)  # 生成 8 秒音频\n\n# 定义文本提示词\ndescriptions = ['happy rock music with a strong beat', 'calm lofi hip hop']\n\n# 生成音频\noutputs = model.generate(descriptions)\n\n# 保存生成的音频文件\nfor idx, one_output in enumerate(outputs):\n    audio_write(f'output_{idx}', one_output.cpu(), model.sample_rate, strategy=\"loudness\")\n    print(f\"Generated output_{idx}.wav\")\n```\n\n运行上述代码后，当前目录下将生成 `output_0.wav` 和 `output_1.wav` 两个音频文件。首次运行时会自动从 Hugging Face 下载模型权重。","一家独立游戏开发团队正在为一款奇幻冒险游戏制作动态背景音乐，需要根据玩家所处的不同场景（如“幽暗森林”或“激烈战斗”）实时生成匹配的氛围音效。\n\n### 没有 audiocraft 时\n- **素材获取成本高**：设计师必须花费数小时在版权音乐库中搜索现成曲目，或高价聘请作曲家定制，难以覆盖所有细分场景。\n- **风格调整不灵活**：若需将一段舒缓旋律改为紧张节奏，传统音频编辑软件无法自动重编曲，只能重新录制或手动剪辑，效率极低。\n- **存储与加载压力大**：为了涵盖多种变化，游戏包体需预存大量高清音频文件，导致安装包体积臃肿，影响玩家下载意愿。\n- **缺乏旋律控制**：现有的简单生成工具往往只能随机输出噪音，无法根据开发者提供的具体哼唱旋律进行精准延续和变奏。\n\n### 使用 audiocraft 后\n- **即时按需生成**：利用 MusicGen 模型，开发者只需输入“紧张的管弦乐战斗音乐”等文本提示，即可在秒级时间内生成高质量原创曲目。\n- **精准旋律控制**：通过 melody conditioning 功能，团队可以直接输入一段简单的哼唱录音，audiocraft 便能以此为基础生成完整且风格统一的配乐。\n- **高效压缩存储**：借助内置的 EnCodec 高保真神经音频编解码器，音频数据被高效压缩为令牌序列，大幅减少了模型权重和运行时内存占用。\n- **工作流自动化**：训练代码允许团队针对特定游戏风格微调模型，将音乐生成直接集成到关卡设计流程中，实现“场景加载即音乐生成”。\n\naudiocraft 将原本耗时数周的音乐制作周期缩短至几分钟，让小型团队也能拥有媲美 3A 大作的动态音频体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffacebookresearch_audiocraft_3342bee6.png","facebookresearch","Meta Research","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ffacebookresearch_449342bd.png","",null,"https:\u002F\u002Fopensource.fb.com","https:\u002F\u002Fgithub.com\u002Ffacebookresearch",[80,84,88,92,96,99],{"name":81,"color":82,"percentage":83},"Jupyter Notebook","#DA5B0B",79,{"name":85,"color":86,"percentage":87},"Python","#3572A5",20.8,{"name":89,"color":90,"percentage":91},"HTML","#e34c26",0.1,{"name":93,"color":94,"percentage":95},"Makefile","#427819",0,{"name":97,"color":98,"percentage":95},"CSS","#663399",{"name":100,"color":101,"percentage":95},"Shell","#89e051",23192,2604,"2026-04-17T07:37:40","MIT","未说明","未明确说明（基于 PyTorch 深度学习库，通常训练需要 NVIDIA GPU，推理可依赖 CPU 但速度较慢）",{"notes":109,"python":110,"dependencies":111},"安装前建议先安装 PyTorch 2.1.0，特别是安装 xformers 之前。强烈建议安装 ffmpeg（可通过系统包管理器或 conda 安装，conda 用户需安装版本小于 5 的 ffmpeg）。若需训练水印模型，需安装额外依赖 '[wm]'。模型默认缓存位置可通过设置环境变量 'AUDIOCRAFT_CACHE_DIR' 修改。","3.9",[112,113,114,115,116],"torch==2.1.0","setuptools","wheel","xformers","ffmpeg",[118,14],"音频","2026-03-27T02:49:30.150509","2026-04-18T00:45:54.952537",[122,127,132,137,142,147],{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},38306,"在 macOS (特别是 Sequoia 15\u002FXCode 16 或 Intel\u002FM1 芯片) 上安装 audiocraft 时，遇到 xformers 构建失败或 'No module named torch' 错误怎么办？","这通常是因为 Apple Clang 编译器禁用了 '-fopenmp' 选项。解决方法如下：\n1. 安装 llvm：运行 `brew install llvm`\n2. 根据处理器类型设置环境变量：\n   - Intel 芯片：\n     export CC=\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang\n     export CXX=\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\n     export LDFLAGS=\"-L\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Flib\"\n     export CPPFLAGS=\"-I\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Finclude\"\n     export CMAKE_PREFIX_PATH=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\"\n   - Mac Silicon (M1\u002FM2\u002FM3)：\n     export CC=\u002Fopt\u002Fhomebrew\u002Fopt\u002Fllvm\u002Fbin\u002Fclang\n     export CXX=\u002Fopt\u002Fhomebrew\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\n     export LDFLAGS=\"-L\u002Fopt\u002Fhomebrew\u002Fopt\u002Fllvm\u002Flib\"\n     export CPPFLAGS=\"-I\u002Fopt\u002Fhomebrew\u002Fopt\u002Fllvm\u002Finclude\"\n     export CMAKE_PREFIX_PATH=\"\u002Fopt\u002Fhomebrew\u002Fopt\u002Fllvm\"\n3. 重新安装：`python -m pip install -U audiocraft`","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fissues\u002F317",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},38307,"如何在 Gradio 应用中实现音乐生成续写（generate_continuation）功能以生成长歌曲？","可以通过代码逻辑手动实现长音频生成。基本思路是生成第一段音频，然后循环获取最后几秒作为提示（prompt）来生成下一段，并进行重叠拼接。参考代码如下：\n```python\nsegment_duration = 30\ntotal_duration = 180\noverlap = 5 # 重叠秒数\ndesc = ['80s pop track with bassy drums and synth']\n\n# 生成第一段\nsegment = model.generate(descriptions=desc, progress=True)\ntotal_duration -= segment_duration\n\nwhile total_duration > 0:\n    # 获取最后 overlap 秒的音频作为下一段的输入提示\n    last_sec = segment[:, :, -overlap*model.sample_rate:]\n    # 使用 last_sec 作为 prompt 继续生成 (需调用支持 prompt 的 generate 方法)\n    next_segment = model.generate(...) \n    # 拼接逻辑需注意去除重叠部分\n    total_duration -= segment_duration\n```\n目前官方 App 可能未直接内置滑块控制，但可通过修改 `predict` 函数添加 `gr.Slider` 来控制续写起始点和时长。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fissues\u002F36",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},38308,"在使用自定义数据集微调 MusicGen 时，训练日志中出现 grad_norm 为 NaN 或 Infinity 以及 grad_scale 异常大，该如何解决？","这种情况通常与数据预处理有关。建议检查以下几点：\n1. 数据归一化：确保输入模型的音频样本已进行归一化处理。虽然 AudioDataset 对象可能会处理，但显式地在喂入模型前对波形进行归一化（例如将振幅缩放到 [-1, 1]）通常能解决梯度爆炸问题。\n2. 学习率调整：尝试降低学习率（lr），例如从 1e-4 调整为更小值。\n3. 优化器选择：对于小模型，论文指出使用 D-Adaptation 优化器可能比 AdamW 效果更好且更稳定；但对于大模型，AdamW 配合 FSDP 也是常用方案。\n4. 数据格式：确保使用的音频文件（如 mp3）质量一致，避免音量差异过大导致训练不稳定。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fissues\u002F212",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},38309,"MusicGen 模型生成的音频超过 30 秒后质量下降或失效的原因是什么？","MusicGen 模型在设计上主要针对短片段生成（通常为 30 秒左右）。当生成长度超过模型训练时的最大上下文窗口（context window）时，模型会逐渐失去对长期结构的控制，导致生成的音乐变得混乱、只剩下节拍或重复。\n若要生成长歌曲，不能单次请求过长时长，而应采用“续写”（continuation）策略：即生成一段后，取其末尾部分作为提示词（prompt）生成下一段，依次拼接。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fissues\u002F27",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},38310,"在 Render 等云平台部署时遇到 'No module named flask' 或 'gunicorn: command not found' 错误怎么办？","这些错误通常是因为部署环境缺少必要的 Web 服务依赖，而非 audiocraft 本身的问题。\n1. 对于 'No module named flask'：确保在 build 命令或 requirements.txt 中明确添加了 `flask`。\n2. 对于 'gunicorn: command not found'：audiocraft 库本身不依赖 gunicorn，但部署平台（如 render.com）通常需要它来启动 Python Web 应用。请在 requirements.txt 中添加 `gunicorn`，并确保启动命令（Start Command）正确配置为 `gunicorn app:app`（假设你的应用入口是 app.py 中的 app 对象）。\n3. 关于 'No module named torch' 的安装错误：这通常是 xformers 编译失败导致的连锁反应，请参考 macOS 安装问题的解决方案，确保底层依赖编译成功。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft\u002Fissues\u002F105",{"id":148,"question_zh":149,"answer_zh":150,"source_url":136},38311,"使用未标注的纯音乐数据（无文本描述）能否微调 MusicGen 模型？","MusicGen 是一个文本到音乐（Text-to-Music）的模型，其核心机制依赖于文本描述作为条件输入。如果仅使用未标注的纯音乐数据进行微调而不提供对应的文本描述，模型将无法学习文本与音乐的对应关系，可能导致无法通过文本提示生成音乐，或者效果极差。\n如果要利用无标签数据，通常需要通过其他方式（如自动打标、聚类或使用无监督学习方法）为音频生成伪标签（pseudo-labels），或者采用特定的无条件生成微调策略（但这会改变模型的原有用途）。",[]]