HeartMuLa 是一个开源的“音乐大模型工具库”，它能把歌词和标签转化为完整的音乐作品，还能做歌词转录、音乐编码和跨模态检索。它的特点是多语言支持（中、英、日、韩、西班牙语等）、高保真音频生成，以及和文字描述的紧密结合。应用领域包括音乐创作、歌词转录、音乐检索、AI伴奏和多媒体内容生产。
简单的说，你给它几句歌词 + 一点风格描述（比如“伤感钢琴情歌”“激昂摇滚”“古风仙侠”），它就能自动给你生成一首还挺像样的歌，包括人声+伴奏，无需专业的音乐知识，无需复杂的参数设置。
今天分享的HeartMuLa一键包基于最新开源的 HeartMuLa 3B模型打包，测试下来，效果非常好，超越之前发布的几款开源模型，效果甚至可以跟2025年前后的一些商业AI音乐工具比一比了，尤其在中文歌词的表现上特别友好。缺点是目前生成速度略慢，且资源占用高。我在官方原版的基础上稍作优化，提升了生成速度，降低了资源占用。官方也把提升生成速度加入了后期优化的计划中，期待官方的优化版。
下载地址：点此下载
核心特点
音乐生成模型 HeartMuLa：输入歌词和标签（如“浪漫、钢琴、婚礼”），即可生成对应风格的音乐，支持多语言。
高保真音乐编码 HeartCodec：一种 12.5Hz 的音乐编码器，能高质量重建音频，保证生成音乐的清晰度。
歌词转录 HeartTranscriptor：基于 Whisper 调优的模型，专门用于把歌曲里的歌词转成文字。
跨模态检索 HeartCLAP：把音乐和文字描述映射到同一个空间，方便用文字搜索音乐或用音乐找描述。
多语言支持：不仅支持英文，还能处理中文、日文、韩文、西班牙语等歌词。
开源与可本地部署：基于 Apache 2.0 协议，用户可以下载模型权重，在本地运行生成音乐。
应用领域
音乐创作：帮助音乐人快速生成伴奏或完整曲目，适合灵感捕捉和草稿创作。
歌词转录：自动识别歌曲中的歌词，方便字幕制作或音乐分析。
音乐检索：通过文字描述找到对应的音乐片段，适合音乐库管理或推荐系统。
多媒体制作：为视频、游戏、广告生成定制化的背景音乐。
教育与研究：作为 AI 音乐生成的研究平台，探索跨模态学习和音乐语言建模。
使用教程：（建议N卡，显存12G起，支持50系显卡）
下载主程序压缩包和模型文件（ckpt文件夹），解压主程序，并把模型文件移动到主程序目录下
输入歌词，可以参考默认的标签，比如 副歌、桥段等，设置参数，比如最大音频长度（毫秒）等
最后点生成歌曲。
模型切换这里官方暂时开放了3B模型，后期开放7B下载后，即可自由切换。
软件目录结构
📂 HeartMuLa/
├── 📂 ckpt/
│ ├── 📂 HeartMuLa-oss-3B/
│ │ └── model-00001-of-00004.safetensors
│ │ └── model-00002-of-00004.safetensors
│ ├── 📂 HeartCodec-oss/
│ │ └── model.safetensors
📂 deepface/
......
)
