[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-microsoft--muzic":3,"tool-microsoft--muzic":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",160411,2,"2026-04-18T23:33:24",[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。",109154,"2026-04-18T11:18:24",[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":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":99,"forks":100,"last_commit_at":101,"license":102,"difficulty_score":10,"env_os":103,"env_gpu":104,"env_ram":105,"env_deps":106,"category_tags":111,"github_topics":113,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":118,"updated_at":119,"faqs":120,"releases":150},9400,"microsoft\u002Fmuzic","muzic","Muzic: Music Understanding and Generation with Artificial Intelligence","Muzic 是微软亚洲研究院发起的一项前沿 AI 音乐研究项目，旨在利用深度学习技术赋予机器理解与创作音乐的能力。它致力于解决音乐领域中“听懂”与“生成”两大核心难题：既能自动识别歌词、分析乐曲结构及情感，又能根据文本描述、旋律片段或特定风格需求，自动生成完整的歌曲、伴奏甚至演唱人声。\n\n该项目非常适合人工智能研究人员、音乐科技开发者以及探索创意辅助工具的音乐创作者使用。对于研究者，Muzic 提供了 MusicBERT、CLaMP 等涵盖符号音乐理解与跨模态预训练的先进模型；对于开发者，其开源代码库覆盖了从歌词创作（DeepRapper）、旋律生成（TeleMelody）到多轨编曲（GETMusic）的全流程技术栈。\n\nMuzic 的独特亮点在于其全面的技术生态与创新的架构设计。它不仅推出了业界首个跨模态符号音乐信息检索模型 CLaMP，还引入了基于大语言模型的 MusicAgent，能够像智能助手一样协调处理复杂的音乐任务。此外，MuseCoco 和 GETMusic 等模型展示了强大的文本到音乐生成能力及通用的扩散框架，让非专业用户也能通过简单的文字指令参与音乐创作。无论是学术探","Muzic 是微软亚洲研究院发起的一项前沿 AI 音乐研究项目，旨在利用深度学习技术赋予机器理解与创作音乐的能力。它致力于解决音乐领域中“听懂”与“生成”两大核心难题：既能自动识别歌词、分析乐曲结构及情感，又能根据文本描述、旋律片段或特定风格需求，自动生成完整的歌曲、伴奏甚至演唱人声。\n\n该项目非常适合人工智能研究人员、音乐科技开发者以及探索创意辅助工具的音乐创作者使用。对于研究者，Muzic 提供了 MusicBERT、CLaMP 等涵盖符号音乐理解与跨模态预训练的先进模型；对于开发者，其开源代码库覆盖了从歌词创作（DeepRapper）、旋律生成（TeleMelody）到多轨编曲（GETMusic）的全流程技术栈。\n\nMuzic 的独特亮点在于其全面的技术生态与创新的架构设计。它不仅推出了业界首个跨模态符号音乐信息检索模型 CLaMP，还引入了基于大语言模型的 MusicAgent，能够像智能助手一样协调处理复杂的音乐任务。此外，MuseCoco 和 GETMusic 等模型展示了强大的文本到音乐生成能力及通用的扩散框架，让非专业用户也能通过简单的文字指令参与音乐创作。无论是学术探索还是应用开发，Muzic 都为构建下一代智能音乐系统提供了坚实的基础。","\u003Cbr\u002F>\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_readme_7d545a574ed0.png\" height=\"70\"> \u003C\u002Fa>\n\u003Cbr\u002F>\n\u003Cbr\u002F>\n\n**Muzic** is a research project on AI music that empowers music understanding and generation with deep learning and artificial intelligence. \nMuzic is pronounced as [ˈmjuːzeik]. Besides the logo in image version (see above), Muzic also has a logo in video version (you can click here to watch \u003Ca href=\"https:\u002F\u002Fai-muzic.github.io\u002Fmuzic_logo\u002F\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_readme_2163863dc305.png\" title=\"Muzic Video Logo\" height=\"15\"\u002F>\u003C\u002Fa>). Muzic was started by [some researchers](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fproject\u002Fai-music\u002F) from [Microsoft Research Asia](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Flab\u002Fmicrosoft-research-asia\u002F) and also contributed by outside collaborators.  \n\n\n\n\u003C!-- [![Muzic Video Logo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_readme_2163863dc305.png)](https:\u002F\u002Fai-muzic.github.io\u002Fmuzic_logo\u002F \"Muzic Video Logo\") -->\n  \n\n \n\n\u003Cbr\u002F>\nWe summarize the scope of our Muzic project in the following figure:\n\u003Cbr\u002F>\u003Cbr\u002F>\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_readme_d10b509df230.png\" height=\"350\"\u002F>\n\u003C\u002Fa>\n\u003C\u002Fp>\n\u003Cbr\u002F>\n\n\nThe current work in [Muzic](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fproject\u002Fai-music\u002F) includes:\n* Music Understanding\n  + Symbolic Music Understanding: [MusicBERT](https:\u002F\u002Farxiv.org\u002Fabs\u002F2106.05630)\n  + Automatic Lyrics Transcription: [PDAugment](https:\u002F\u002Farxiv.org\u002Fabs\u002F2109.07940) \n  + Contrastive Language-Music Pre-training: [CLaMP](https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.11029)\n* Music Generation\n  + Song Writing \n    + Lyric-to-Melody and Melody-to-Lyric: [SongMASS](https:\u002F\u002Farxiv.org\u002Fabs\u002F2012.05168)\n    + Lyric Generation: [DeepRapper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2107.01875)\n    + Lyric-to-Melody Generation: [TeleMelody](https:\u002F\u002Farxiv.org\u002Fabs\u002F2109.09617), [ReLyMe](https:\u002F\u002Farxiv.org\u002Fabs\u002F2207.05688), [Re-creation of Creations (ROC)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2208.05697)\n  + Music Form\u002FStructure Generation\n    + Music Form Generation: [MeloForm](https:\u002F\u002Farxiv.org\u002Fabs\u002F2208.14345)  \n    + Long\u002FShort Structure Modeling: [Museformer](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.10349)\n  + Multi-Track Generation \n    + Accompaniment Generation: [PopMAG](https:\u002F\u002Farxiv.org\u002Fabs\u002F2008.07703)\n    + Any Track Music Generation: [GETMusic](https:\u002F\u002Farxiv.org\u002Fabs\u002F2305.10841)\n  + Text-to-Music Generation: [MuseCoco](https:\u002F\u002Farxiv.org\u002Fabs\u002F2306.00110)\n  + Singing Voice Synthesis: [HiFiSinger](https:\u002F\u002Farxiv.org\u002Fabs\u002F2009.01776)\n* AI Agent\n  + [MusicAgent](https:\u002F\u002Farxiv.org\u002Fabs\u002F2310.11954)  \n\n  You can find some music samples generated by our systems on this page: https:\u002F\u002Fai-muzic.github.io\u002F.\n\u003Cbr>\nFor more speech related research, you can find from this page: https:\u002F\u002Fspeechresearch.github.io\u002F and https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FNeuralSpeech.\n\n### We are hiring! \nWe are hiring both research FTEs and research interns on **Speech\u002FAudio\u002FMusic\u002FVideo and LLMs**. Please get in touch with Xu Tan (tanxu2012@gmail.com) if you are interested. \n\n\n### What is New?\n+ [CLaMP](https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.11029) has won the Best Student Paper Award at ISMIR 2023! \n+ We release [MusicAgent](https:\u002F\u002Farxiv.org\u002Fabs\u002F2310.11954), an AI agent for versatile music processing using large language models.\n+ We release [MuseCoco](https:\u002F\u002Farxiv.org\u002Fabs\u002F2306.00110), a music composition copilot to generate symbolic music from text.\n+ We release [GETMusic](https:\u002F\u002Farxiv.org\u002Fabs\u002F2305.10841), a versatile music copliot with a universal representation and diffusion framework to generate any music tracks.\n+ We release the first model for cross-modal symbolic MIR: [CLaMP](https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.11029).\n+ We release two new research work on music structure modeling: [MeloForm](https:\u002F\u002Farxiv.org\u002Fabs\u002F2208.14345) and [Museformer](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.10349).\n+ We give a tutorial on [AI Music Composition](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fuploads\u002Fprod\u002F2021\u002F10\u002FTutorial-on-AI-Music-Composition-@ACM-MM-2021.pdf) at [ACM Multimedia 2021](https:\u002F\u002F2021.acmmm.org\u002F).\n\n\n## Requirements\n\nThe operating system is Linux. We test on Ubuntu 16.04.6 LTS, CUDA 10, with Python 3.6.12. The requirements for running Muzic are listed in `requirements.txt`. To install the requirements, run:\n```bash\npip install -r requirements.txt\n```\nWe release the code of several research work: [MusicBERT](musicbert), [PDAugment](pdaugment), [CLaMP](clamp), [DeepRapper](deeprapper), [SongMASS](songmass), [TeleMelody](telemelody), [ReLyMe](relyme), [Re-creation of Creations (ROC)](roc), [MeloForm](meloform), [Museformer](museformer), [GETMusic](getmusic), [MuseCoco](musecoco), and [MusicAgent](musicagent). You can find the README in the corresponding folder for detailed instructions on how to use. \n\n\n\n## Reference\n\nIf you find the Muzic project useful in your work, you can cite the papers as follows:\n\n* [1] ***MusicBERT**: Symbolic Music Understanding with Large-Scale Pre-Training*, Mingliang Zeng, Xu Tan, Rui Wang, Zeqian Ju, Tao Qin, Tie-Yan Liu, **ACL 2021**.  \n* [2] ***PDAugment**: Data Augmentation by Pitch and Duration Adjustments for Automatic Lyrics Transcription*, Chen Zhang, Jiaxing Yu, Luchin Chang, Xu Tan, Jiawei Chen, Tao Qin, Kejun Zhang, **ISMIR 2022**.\n* [3] ***DeepRapper**: Neural Rap Generation with Rhyme and Rhythm Modeling*, Lanqing Xue, Kaitao Song, Duocai Wu, Xu Tan, Nevin L. Zhang, Tao Qin, Wei-Qiang Zhang, Tie-Yan Liu, **ACL 2021**. \n* [4] ***SongMASS**: Automatic Song Writing with Pre-training and Alignment Constraint*, Zhonghao Sheng, Kaitao Song, Xu Tan, Yi Ren, Wei Ye, Shikun Zhang, Tao Qin, **AAAI 2021**.\n* [5] ***TeleMelody**: Lyric-to-Melody Generation with a Template-Based Two-Stage Method*, Zeqian Ju, Peiling Lu, Xu Tan, Rui Wang, Chen Zhang, Songruoyao Wu, Kejun Zhang, Xiangyang Li, Tao Qin, Tie-Yan Liu, **EMNLP 2022**.\n* [6] ***ReLyMe**: Improving Lyric-to-Melody Generation by Incorporating Lyric-Melody Relationships*, Chen Zhang, LuChin Chang, Songruoyao Wu, Xu Tan, Tao Qin, Tie-Yan Liu, Kejun Zhang, **ACM Multimedia 2022**.\n* [7] ***Re-creation of Creations**: A New Paradigm for Lyric-to-Melody Generation*, Ang Lv, Xu Tan, Tao Qin, Tie-Yan Liu, Rui Yan, arXiv 2022. \n* [8] ***MeloForm**: Generating Melody with Musical Form based on Expert Systems and Neural Networks*, Peiling Lu, Xu Tan, Botao Yu, Tao Qin, Sheng Zhao, Tie-Yan Liu, **ISMIR 2022**. \n* [9] ***Museformer**: Transformer with Fine- and Coarse-Grained Attention for Music Generation*, Botao Yu, Peiling Lu, Rui Wang, Wei Hu, Xu Tan, Wei Ye, Shikun Zhang, Tao Qin, Tie-Yan Liu, **NeurIPS 2022**.\n* [10] ***PopMAG**: Pop Music Accompaniment Generation*, Yi Ren, Jinzheng He, Xu Tan, Tao Qin, Zhou Zhao, Tie-Yan Liu, **ACM Multimedia 2020**.\n* [11] ***HiFiSinger**: Towards High-Fidelity Neural Singing Voice Synthesis*, Jiawei Chen, Xu Tan, Jian Luan, Tao Qin, Tie-Yan Liu, arXiv 2020.\n* [12] ***CLaMP**: Contrastive Language-Music Pre-training for Cross-Modal Symbolic Music Information Retrieval*, Shangda Wu, Dingyao Yu, Xu Tan, Maosong Sun, **ISMIR 2023**, ***Best Student Paper Award***.\n* [13] ***GETMusic**: Generating Any Music Tracks with a Unified Representation and Diffusion Framework*, Ang Lv, Xu Tan, Peiling Lu, Wei Ye, Shikun Zhang, Jiang Bian, Rui Yan, arXiv 2023.\n* [14] ***MuseCoco**: Generating Symbolic Music from Text*, Peiling Lu, Xin Xu, Chenfei Kang, Botao Yu, Chengyi Xing, Xu Tan, Jiang Bian, arXiv 2023.\n* [15] ***MusicAgent**: An AI Agent for Music Understanding and Generation with Large Language Models*, Dingyao Yu, Kaitao Song, Peiling Lu, Tianyu He, Xu Tan, Wei Ye, Shikun Zhang, Jiang Bian, **EMNLP 2023 Demo**.\n\n\n## Contributing\n\nThis project welcomes contributions and suggestions.  Most contributions require you to agree to a\nContributor License Agreement (CLA) declaring that you have the right to, and actually do, grant us\nthe rights to use your contribution. For details, visit https:\u002F\u002Fcla.opensource.microsoft.com.\n\nWhen you submit a pull request, a CLA bot will automatically determine whether you need to provide\na CLA and decorate the PR appropriately (e.g., status check, comment). Simply follow the instructions\nprovided by the bot. You will only need to do this once across all repos using our CLA.\n\nThis project has adopted the [Microsoft Open Source Code of Conduct](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002F).\nFor more information see the [Code of Conduct FAQ](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002Ffaq\u002F) or\ncontact [opencode@microsoft.com](mailto:opencode@microsoft.com) with any additional questions or comments.\n\n## Trademarks\n\nThis project may contain trademarks or logos for projects, products, or services. Authorized use of Microsoft \ntrademarks or logos is subject to and must follow \n[Microsoft's Trademark & Brand Guidelines](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Flegal\u002Fintellectualproperty\u002Ftrademarks\u002Fusage\u002Fgeneral).\nUse of Microsoft trademarks or logos in modified versions of this project must not cause confusion or imply Microsoft sponsorship.\nAny use of third-party trademarks or logos are subject to those third-party's policies.\n","\u003Cbr\u002F>\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_readme_7d545a574ed0.png\" height=\"70\"> \u003C\u002Fa>\n\u003Cbr\u002F>\n\u003Cbr\u002F>\n\n**Muzic** 是一项关于人工智能音乐的研究项目，旨在利用深度学习和人工智能技术增强音乐的理解与生成能力。  \n“Muzic” 的发音为 [ˈmjuːzeik]。除了上述的图像版标志外，Muzic 还有一个视频版标志（点击此处观看 \u003Ca href=\"https:\u002F\u002Fai-muzic.github.io\u002Fmuzic_logo\u002F\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_readme_2163863dc305.png\" title=\"Muzic 视频标志\" height=\"15\"\u002F>\u003C\u002Fa>）。该项目由来自 [微软亚洲研究院](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Flab\u002Fmicrosoft-research-asia\u002F) 的 [一些研究人员](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fproject\u002Fai-music\u002F) 发起，并得到了外部合作者的共同参与。  \n\n\n\n\u003C!-- [![Muzic 视频标志](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_readme_2163863dc305.png)](https:\u002F\u002Fai-muzic.github.io\u002Fmuzic_logo\u002F \"Muzic 视频标志\") -->\n  \n\n \n\n\u003Cbr\u002F>\n我们用下图总结了 Muzic 项目的研究范围：\n\u003Cbr\u002F>\u003Cbr\u002F>\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_readme_d10b509df230.png\" height=\"350\"\u002F>\n\u003C\u002Fa>\n\u003C\u002Fp>\n\u003Cbr\u002F>\n\n\n目前在 [Muzic](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fproject\u002Fai-music\u002F) 中开展的工作包括：\n* 音乐理解\n  + 符号化音乐理解：[MusicBERT](https:\u002F\u002Farxiv.org\u002Fabs\u002F2106.05630)\n  + 自动歌词转录：[PDAugment](https:\u002F\u002Farxiv.org\u002Fabs\u002F2109.07940) \n  + 对比语言-音乐预训练：[CLaMP](https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.11029)\n* 音乐生成\n  + 歌曲创作\n    + 歌词到旋律及旋律到歌词：[SongMASS](https:\u002F\u002Farxiv.org\u002Fabs\u002F2012.05168)\n    + 歌词生成：[DeepRapper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2107.01875)\n    + 歌词到旋律生成：[TeleMelody](https:\u002F\u002Farxiv.org\u002Fabs\u002F2109.09617)、[ReLyMe](https:\u002F\u002Farxiv.org\u002Fabs\u002F2207.05688)、[Re-creation of Creations (ROC)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2208.05697)\n  + 音乐形式\u002F结构生成\n    + 音乐形式生成：[MeloForm](https:\u002F\u002Farxiv.org\u002Fabs\u002F2208.14345)  \n    + 长短结构建模：[Museformer](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.10349)\n  + 多轨音乐生成\n    + 伴奏生成：[PopMAG](https:\u002F\u002Farxiv.org\u002Fabs\u002F2008.07703)\n    + 任意音轨音乐生成：[GETMusic](https:\u002F\u002Farxiv.org\u002Fabs\u002F2305.10841)\n  + 文本到音乐生成：[MuseCoco](https:\u002F\u002Farxiv.org\u002Fabs\u002F2306.00110)\n  + 演唱声合成：[HiFiSinger](https:\u002F\u002Farxiv.org\u002Fabs\u002F2009.01776)\n* AI 代理\n  + [MusicAgent](https:\u002F\u002Farxiv.org\u002Fabs\u002F2310.11954)  \n\n您可以在本页面找到由我们的系统生成的一些音乐样本：https:\u002F\u002Fai-muzic.github.io\u002F。  \n如需了解更多语音相关研究，请访问：https:\u002F\u002Fspeechresearch.github.io\u002F 和 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002FNeuralSpeech。\n\n### 我们正在招聘！  \n我们诚聘 **语音\u002F音频\u002F音乐\u002F视频及大语言模型** 方向的研究正式员工和实习生。如有意向，请联系 Xu Tan（tanxu2012@gmail.com）。  \n\n\n### 最新动态？\n+ [CLaMP](https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.11029) 荣获 ISMIR 2023 最佳学生论文奖！  \n+ 我们发布了 [MusicAgent](https:\u002F\u002Farxiv.org\u002Fabs\u002F2310.11954)，一款基于大型语言模型的多功能音乐处理 AI 代理。  \n+ 我们发布了 [MuseCoco](https:\u002F\u002Farxiv.org\u002Fabs\u002F2306.00110)，一款能够根据文本生成符号化音乐的作曲助手。  \n+ 我们发布了 [GETMusic](https:\u002F\u002Farxiv.org\u002Fabs\u002F2305.10841)，一款具有通用表示和扩散框架的多功能音乐助手，可生成任意音乐音轨。  \n+ 我们发布了首个跨模态符号化 MIR 模型：[CLaMP](https:\u002F\u002Farxiv.org\u002Fabs\u002F2304.11029)。  \n+ 我们发布了两项关于音乐结构建模的新研究成果：[MeloForm](https:\u002F\u002Farxiv.org\u002Fabs\u002F2208.14345) 和 [Museformer](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.10349)。  \n+ 我们在 [ACM Multimedia 2021](https:\u002F\u002F2021.acmmm.org\u002F) 上发表了关于 **AI 音乐创作** 的教程：[Tutorial on AI Music Composition](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fuploads\u002Fprod\u002F2021\u002F10\u002FTutorial-on-AI-Music-Composition-@ACM-MM-2021.pdf)。\n\n\n## 系统要求\n\n操作系统为 Linux。我们主要在 Ubuntu 16.04.6 LTS、CUDA 10 和 Python 3.6.12 环境下进行测试。运行 Muzic 所需的依赖项已列在 `requirements.txt` 文件中。安装依赖项的命令如下：  \n```bash\npip install -r requirements.txt\n```\n我们已开源多项研究成果的代码：[MusicBERT](musicbert)、[PDAugment](pdaugment)、[CLaMP](clamp)、[DeepRapper](deeprapper)、[SongMASS](songmass)、[TeleMelody](telemelody)、[ReLyMe](relyme)、[Re-creation of Creations (ROC)](roc)、[MeloForm](meloform)、[Museformer](museformer)、[GETMusic](getmusic)、[MuseCoco](musecoco) 以及 [MusicAgent](musicagent)。您可在相应文件夹中的 README 文件中找到详细的使用说明。\n\n## 参考文献\n\n如果您在工作中觉得 Muzic 项目很有用，可以按照以下方式引用相关论文：\n\n* [1] ***MusicBERT**: 基于大规模预训练的符号音乐理解*, Mingliang Zeng, Xu Tan, Rui Wang, Zeqian Ju, Tao Qin, Tie-Yan Liu, **ACL 2021**。  \n* [2] ***PDAugment**: 通过音高和时长调整进行数据增强以实现自动歌词转录*, Chen Zhang, Jiaxing Yu, Luchin Chang, Xu Tan, Jiawei Chen, Tao Qin, Kejun Zhang, **ISMIR 2022**。\n* [3] ***DeepRapper**: 结合押韵与节奏建模的神经网络说唱生成*, Lanqing Xue, Kaitao Song, Duocai Wu, Xu Tan, Nevin L. Zhang, Tao Qin, Wei-Qiang Zhang, Tie-Yan Liu, **ACL 2021**。 \n* [4] ***SongMASS**: 基于预训练与对齐约束的自动歌曲创作*, Zhonghao Sheng, Kaitao Song, Xu Tan, Yi Ren, Wei Ye, Shikun Zhang, Tao Qin, **AAAI 2021**。\n* [5] ***TeleMelody**: 基于模板的两阶段方法实现歌词到旋律的生成*, Zeqian Ju, Peiling Lu, Xu Tan, Rui Wang, Chen Zhang, Songruoyao Wu, Kejun Zhang, Xiangyang Li, Tao Qin, Tie-Yan Liu, **EMNLP 2022**。\n* [6] ***ReLyMe**: 通过融入歌词与旋律关系提升歌词到旋律的生成效果*, Chen Zhang, LuChin Chang, Songruoyao Wu, Xu Tan, Tao Qin, Tie-Yan Liu, Kejun Zhang, **ACM Multimedia 2022**。\n* [7] ***Re-creation of Creations**: 歌词到旋律生成的新范式*, Ang Lv, Xu Tan, Tao Qin, Tie-Yan Liu, Rui Yan, arXiv 2022。 \n* [8] ***MeloForm**: 基于专家系统和神经网络生成具有音乐形式的旋律*, Peiling Lu, Xu Tan, Botao Yu, Tao Qin, Sheng Zhao, Tie-Yan Liu, **ISMIR 2022**。 \n* [9] ***Museformer**: 具有细粒度与粗粒度注意力机制的 Transformer 用于音乐生成*, Botao Yu, Peiling Lu, Rui Wang, Wei Hu, Xu Tan, Wei Ye, Shikun Zhang, Tao Qin, Tie-Yan Liu, **NeurIPS 2022**。\n* [10] ***PopMAG**: 流行音乐伴奏生成*, Yi Ren, Jinzheng He, Xu Tan, Tao Qin, Zhou Zhao, Tie-Yan Liu, **ACM Multimedia 2020**。\n* [11] ***HiFiSinger**: 向高保真度神经网络歌声合成迈进*, Jiawei Chen, Xu Tan, Jian Luan, Tao Qin, Tie-Yan Liu, arXiv 2020。\n* [12] ***CLaMP**: 用于跨模态符号音乐信息检索的对比语言-音乐预训练*, Shangda Wu, Dingyao Yu, Xu Tan, Maosong Sun, **ISMIR 2023**, ***最佳学生论文奖***。\n* [13] ***GETMusic**: 基于统一表示与扩散框架生成任意音乐曲目*, Ang Lv, Xu Tan, Peiling Lu, Wei Ye, Shikun Zhang, Jiang Bian, Rui Yan, arXiv 2023。\n* [14] ***MuseCoco**: 从文本生成符号音乐*, Peiling Lu, Xin Xu, Chenfei Kang, Botao Yu, Chengyi Xing, Xu Tan, Jiang Bian, arXiv 2023。\n* [15] ***MusicAgent**: 基于大型语言模型的音乐理解和生成 AI 代理*, Dingyao Yu, Kaitao Song, Peiling Lu, Tianyu He, Xu Tan, Wei Ye, Shikun Zhang, Jiang Bian, **EMNLP 2023 演示**。\n\n\n## 贡献说明\n\n本项目欢迎各类贡献与建议。大多数贡献都需要您签署一份贡献者许可协议（CLA），声明您有权且确实将您的贡献使用权授予我们。有关详情，请访问 https:\u002F\u002Fcla.opensource.microsoft.com。\n\n当您提交拉取请求时，CLA 机器人会自动判断您是否需要提供 CLA，并相应地为您的 PR 添加标记（例如状态检查、评论等）。请按照机器人提供的指示操作即可。对于使用我们 CLA 的所有仓库，您只需完成一次此步骤。\n\n本项目已采纳 [微软开源行为准则](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002F)。如需更多信息，请参阅 [行为准则常见问题解答](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002Ffaq\u002F) 或发送邮件至 [opencode@microsoft.com](mailto:opencode@microsoft.com) 提出任何其他问题或意见。\n\n## 商标声明\n\n本项目可能包含与项目、产品或服务相关的商标或标识。未经授权使用微软商标或标识须遵守并遵循 [微软商标与品牌指南](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Flegal\u002Fintellectualproperty\u002Ftrademarks\u002Fusage\u002Fgeneral)。在本项目的修改版本中使用微软商标或标识时，不得造成混淆或暗示微软的赞助关系。任何第三方商标或标识的使用均应遵守该第三方的相关政策。","# Muzic 快速上手指南\n\nMuzic 是微软亚洲研究院推出的 AI 音乐研究项目，涵盖音乐理解（如 MusicBERT、CLaMP）、音乐生成（如 GETMusic、MuseCoco）及 AI 智能体（MusicAgent）等多个方向。本项目整合了多个子模型代码，以下指南将帮助您快速搭建基础环境并定位具体模型的使用方式。\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（官方测试环境为 Ubuntu 16.04.6 LTS）\n*   **CUDA 版本**：CUDA 10\n*   **Python 版本**：Python 3.6.12\n*   **依赖管理**：pip\n\n> **注意**：由于项目基于较旧的 Python 和 CUDA 版本测试，建议在虚拟环境（如 `conda` 或 `venv`）中配置相应版本以避免冲突。\n\n## 安装步骤\n\n1.  **克隆仓库**\n    首先从 GitHub 克隆 Muzic 主仓库：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic.git\n    cd muzic\n    ```\n\n2.  **安装依赖**\n    项目根目录包含统一的依赖列表文件 `requirements.txt`。您可以直接使用 pip 进行安装：\n    ```bash\n    pip install -r requirements.txt\n    ```\n    *(注：若国内下载速度较慢，可添加 `-i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple` 使用清华镜像源)*\n\n## 基本使用\n\nMuzic 是一个集合型项目，包含了 MusicBERT、GETMusic、MuseCoco、MusicAgent 等十多个独立的研究模型。**每个模型都有独立的子文件夹和具体的使用说明**。\n\n安装完通用依赖后，请根据您想使用的具体功能，进入对应的子目录查看详细的 `README` 和运行示例。\n\n**通用操作流程如下：**\n\n1.  **选择模型目录**\n    进入您感兴趣的模型文件夹，例如使用文本生成符号音乐的 `MuseCoco`：\n    ```bash\n    cd musecoco\n    ```\n    或者使用多轨音乐生成的 `GETMusic`：\n    ```bash\n    cd getmusic\n    ```\n\n2.  **查阅具体指令**\n    在每个子文件夹中，请务必阅读该目录下的 `README.md` 文件。那里包含了该特定模型的数据预处理、模型下载、推理脚本及训练命令。\n\n    例如，在 `musecoco` 目录中，您通常会找到类似以下的推理命令结构（具体参数请以子目录说明为准）：\n    ```bash\n    python generate.py --input \"your prompt text\" --output output.mid\n    ```\n\n3.  **获取样本与演示**\n    如果您想先体验生成效果而不立即运行代码，可以访问官方生成的音乐样本页面：\n    *   在线样本：https:\u002F\u002Fai-muzic.github.io\u002F\n\n**核心子项目列表参考：**\n*   **音乐理解**: `musicbert`, `pdaugment`, `clamp`\n*   **歌曲创作**: `songmass`, `deeprapper`, `telemelody`, `relyme`, `roc`\n*   **结构与多轨生成**: `meloform`, `museformer`, `getmusic`, `popmag`\n*   **文本转音乐**: `musecoco`\n*   **歌声合成**: `hifisinger` (代码可能在相关子模块或关联项目中)\n*   **AI 智能体**: `musicagent`\n\n请根据您的研究或开发需求，深入对应的子目录进行下一步操作。","一位独立游戏开发者正在为一款叙事驱动的角色扮演游戏创作原创配乐，需要快速生成符合不同剧情氛围的多轨道音乐并自动匹配歌词。\n\n### 没有 muzic 时\n- 开发者需手动编写每一段旋律和伴奏，耗时数周且对乐理知识要求极高，严重拖慢开发进度。\n- 想要根据剧本台词自动生成演唱歌曲几乎不可能，必须高价聘请专业作词作曲团队，预算难以承受。\n- 修改音乐结构（如调整主歌 - 副歌顺序）需要重新录制或大幅剪辑音频文件，灵活性极差。\n- 缺乏统一工具处理多轨道生成，鼓点、贝斯、主旋律往往由不同软件制作，整合困难且风格不统一。\n- 无法通过文字描述直接生成音乐原型，创意验证周期长，许多想法在实现前就被放弃。\n\n### 使用 muzic 后\n- 利用 MuseCoco 和 GETMusic，开发者输入“紧张的战斗场景”等文本提示，即可秒级生成完整的多轨道象征性音乐，大幅缩短制作周期。\n- 通过 SongMASS 和 DeepRapper，系统能自动将游戏对白转化为押韵歌词并谱曲，实现剧情与歌曲的无缝衔接。\n- 借助 MeloForm 和 Museformer，可灵活调整音乐段落结构，一键重组主歌与副歌，适应动态剧情变化。\n- PopMAG 和 GETMusic 支持任意轨道生成，确保鼓、弦乐、人声等所有元素风格一致且同步输出，简化后期整合流程。\n- 设计师只需输入自然语言描述，即可快速迭代多个音乐版本，高效验证创意方向，提升整体艺术表现力。\n\nmuzic 让非音乐专业的创作者也能像指挥家一样，用文字和创意直接驾驭复杂的音乐生成全过程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_muzic_2163863d.png","microsoft","Microsoft","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmicrosoft_4900709c.png","Open source projects and samples from Microsoft",null,"opensource@microsoft.com","OpenAtMicrosoft","https:\u002F\u002Fopensource.microsoft.com","https:\u002F\u002Fgithub.com\u002Fmicrosoft",[83,87,91,95],{"name":84,"color":85,"percentage":86},"Python","#3572A5",98.3,{"name":88,"color":89,"percentage":90},"Shell","#89e051",1.4,{"name":92,"color":93,"percentage":94},"Cuda","#3A4E3A",0.2,{"name":96,"color":97,"percentage":98},"C++","#f34b7d",0.1,4907,496,"2026-04-16T09:22:52","MIT","Linux","需要 NVIDIA GPU，CUDA 10","未说明",{"notes":107,"python":108,"dependencies":109},"该项目在 Ubuntu 16.04.6 LTS 上进行了测试。具体子项目（如 MusicBERT, GETMusic 等）的详细安装和使用说明需查看对应文件夹内的 README。依赖库需通过运行 'pip install -r requirements.txt' 安装。","3.6.12",[110],"requirements.txt 中列出的依赖库",[14,112],"音频",[114,115,116,117],"music","music-composition","ai-music","deep-learning","2026-03-27T02:49:30.150509","2026-04-19T09:27:05.173757",[121,126,131,136,141,146],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},42186,"安装 fairseq 时遇到连接问题或无法下载特定分支怎么办？","如果是由于网络代理问题导致无法通过 git 协议下载，可以尝试取消全局 http 代理：`git config --global --unset http.proxy`。此外，如果原始命令 `pip install soundfile git+git:\u002F\u002Fgithub.com\u002Fpytorch\u002Ffairseq.git@b8ea8a9b72c82192da07e3377adf4ebbde16716d` 失败，可以改用 https 协议安装：`pip install soundfile git+https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Ffairseq.git@b8ea8a9b72c82192da07e3377adf4ebbde16716d`。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\u002Fissues\u002F29",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},42187,"运行 MusicBERT 评估脚本时出现 'Could not infer model type' 错误如何解决？","确保在使用命令行工具时添加了 `--user-dir` 选项（例如 `--user-dir musicbert`），以便 fairseq 能正确识别模型架构。如果需要加载预训练权重但不希望更新参数（例如仅用于推理或验证），可以将学习率设置为零（`--lr 0`），这样模型内部的参数将保持不变并通过断言检查。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\u002Fissues\u002F51",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},42188,"GETMusic 在生成音乐时，如果输入的 MIDI 文件缺少特定乐器轨道（如 Lead）导致 'chord error' 该怎么办？","即使 MIDI 文件中只有主旋律（Lead）轨道，也可以将条件轨道（condition tracks）设置为 'c'。这样 GETMusic 会自动推断和弦进行，并基于主旋律生成所需的伴奏轨道，而不是直接依赖输入的和弦条件。具体实现参考代码第 325 行逻辑。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\u002Fissues\u002F133",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},42189,"运行 generate.sh 时报错 'get_sentence_pinyin_finals() missing 1 required positional argument' 如何处理？","该函数定义的第二个参数 `invalids_finals` 用于缓存处理文本时发现的有效韵母。调用时只需传入一个空字典即可解决报错，例如：`get_sentence_pinyin_finals(line=line, invalids_finals={})`。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\u002Fissues\u002F22",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},42190,"TeleMelody 生成的 MIDI 文件如何与歌词对应？音标转换结果与示例不一致怎么办？","MIDI 与歌词的匹配依赖于音标（phone）序列的生成。如果发现生成的音标与示例有细微差别（如音节划分不同），这通常与使用的 phonemize 版本或后端（如 festival）有关。只要代码逻辑正确且能生成可听的旋律，细微的音标差异通常不需要修复。可以使用 `phonemize` 库指定语言和分隔符来生成音标，例如：`phonemize(text, language='en-us', backend='festival', separator=Separator(phone='_', word=' ', syllable=' @@'))`。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fmuzic\u002Fissues\u002F78",{"id":147,"question_zh":148,"answer_zh":149,"source_url":125},42191,"项目是否提供 lyric-to-rhythm 模型的预训练检查点（checkpoint）？","根据社区讨论，用户曾请求发布 lyric-to-rhythm 模型的检查点，认为这不涉及版权問題。虽然维护者未直接在评论中提供下载链接，但指出相关问题多源于 fairseq 环境配置而非检查点本身。建议先确保 fairseq 版本正确（参考 Issue #29 的安装命令），若仍无法复现，可能需要自行训练或关注后续官方发布。",[151],{"id":152,"version":153,"summary_zh":154,"released_at":155},334275,"DeepRapper-v1.0","预训练 DeepRapper 模型的检查点。","2021-08-24T08:36:58"]