MusicGen Small
Meta FAIR · facebook/musicgen-small
Licença dos pesos: Termos do publicador: CC-BY-NC 4.0 weights / MIT code · código e componentes podem ter outros termos
Qualidade
794 · Pontuação · Music Arena (instrumental) · o único dos nossos modelos neste ranking; por isso sem comparação aqui · Fonte: snapshot do ranking gclef-cmu/music-arena 2026-07-31 @ 8b330f4 · coletado 2026-10-20 · MIT · CC BY 4.0 · modelos sem resultado não aparecem (sem resultado ≠ 0)
Pontuação · Music Arena (instrumental)
Resultado publicado · coletado em 2026-10-20 · snapshot do ranking gclef-cmu/music-arena 2026-07-31 @ 8b330f4
- Intervalo de 95%
- 759–829
- Votos
- 463
- Posição no ranking
- 14 de 15 (todos os modelos, abertos e proprietários)
Condições do benchmark
Votos humanos às cegas, em pares, no music-arena.org entre trechos gerados do mesmo prompt; pontuação Bradley-Terry com intervalo bootstrap de 95%, modelos com 30+ votos. Não é medição em hardware local.
Ranking instrumental do Music Arena, votos de 2025-07-28 a 2026-07-31 · snapshot do ranking gclef-cmu/music-arena 2026-07-31 @ 8b330f4
Informado pelo publicador
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Evaluation results); coluna “facebook/musicgen-small”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Qualidade × memória
Sem par qualidade × memória comparável
Modelos de imagem, vídeo e áudio não têm uma escala de qualidade em comum e a memória aqui é uma estimativa de planejamento de 16 bits, não um mínimo documentado, então a qualidade não é comparada com a memória em um gráfico.
Roda em
Memória suficiente para a estimativa 119
A estimativa de planejamento de 16 bits cabe nesta memória. Não é um mínimo revisado.
Mostrar todos os 119
O catálogo não revisou o requisito de hardware deste checkpoint, então nenhum valor do publicador aparece aqui. Os perfis de hardware são agrupados por uma estimativa de planejamento de 16 bits, rotulada, a partir da contagem de parâmetros publicada (2 bytes por parâmetro, 20% de margem, 2 GB de reserva). Precisão, resolução, duração, encoders de texto e offload mudam o requisito real. Não é execução medida.
Considere MusicGen Small, de Meta FAIR, para a tarefa de texto para música (0,3B de parâmetros).
Este catálogo não verificou os requisitos de hardware deste registro. A memória real depende de precisão, resolução, duração e offload; consulte a fonte oficial.
Velocidade medida
Nenhuma medição publicada para este checkpoint
A velocidade (fator de tempo real ou segundos por clipe) só aparece quando uma fonte a publica com hardware, build e configuração. Nunca é estimada.
Como rodar
Requisito de hardware não revisado. Este catálogo não verificou os requisitos de hardware deste registro. A memória real depende de precisão, resolução, duração e offload; consulte a fonte oficial.
Formas documentadas de rodar
Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.
pip install --upgrade pip
pip install --upgrade transformers scipyfrom transformers import pipeline
import scipy
synthesiser = pipeline("text-to-audio", "facebook/musicgen-small")
music = synthesiser("lo-fi music with a soothing melody", forward_params={"do_sample": True})
scipy.io.wavfile.write("musicgen_out.wav", rate=music["sampling_rate"], data=music["audio"])pip install git+https://github.com/facebookresearch/audiocraft.gitfrom audiocraft.models import MusicGen
from audiocraft.data.audio import audio_write
model = MusicGen.get_pretrained("small")
model.set_generation_params(duration=8) # generate 8 seconds.
descriptions = ["happy rock", "energetic EDM"]
wav = model.generate(descriptions) # generates 2 samples.
for idx, one_wav in enumerate(wav):
# Will save under {idx}.wav, with loudness normalization at -14 db LUFS.
audio_write(f'{idx}', one_wav.cpu(), model.sample_rate, strategy="loudness")pip install --upgrade pip
pip install --upgrade transformers scipyfrom transformers import AutoProcessor, MusicgenForConditionalGeneration
processor = AutoProcessor.from_pretrained("facebook/musicgen-small")
model = MusicgenForConditionalGeneration.from_pretrained("facebook/musicgen-small")
inputs = processor(
text=["80s pop track with bassy drums and synth", "90s rock song with loud guitars and heavy drums"],
padding=True,
return_tensors="pt",
)
audio_values = model.generate(**inputs, max_new_tokens=256)Nível da evidência: Apenas estimativa genérica; nenhuma execução reproduzida por este site.
Antes de baixar
- Confirme o checkpoint exato e a licença vinculada aqui.
- Confirme runtime e precisão ou quantização compatíveis com sua plataforma.
- Reserve memória para contexto, lote e eventuais componentes de mídia além dos pesos.
Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / versão
- facebook/musicgen-small
- Tarefa e modalidade
- texto para música · áudio
- Contagem e base
- 0,3B · ficha do fabricante
- Lançamento
- audiocraft CHANGELOG.md (Meta FAIR) · consultado em 2026-10-13fonte
- Tamanho do repositório publicado
- 5,8 GBNão é memória de execução nem download mínimo.arquivos
- Componentes publicados
- 300M autoregressive transformer · EnCodec 32 kHz tokenizer
- Runtime e precisão
- Nenhuma execução local verificada.
- Uso comercial
- Não permitido CC BY-NC 4.0 text (SPDX), the license the MusicGen card names for its weights · consultado em 2026-10-18texto da licença
A ficha diz que os pesos são CC-BY-NC 4.0 e o código é MIT; são termos separados.
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Checkpoint e ficha do publicador
- Licença dos pesos e termos de uso
- Fonte do benchmark de qualidade · Pontuação · Music Arena (instrumental)
Catálogo revisado: 2026-09-22. Benchmark revisado: 2026-10-20.






























































