DiffRhythmは、潜在拡散技術を利用して、高速かつ高品質な全曲生成を実現する革新的な音楽生成モデルです。この技術は従来の音楽生成方法の限界を突破し、複雑な多段階アーキテクチャや煩雑なデータ準備を必要とせず、歌詞とスタイルプロンプトだけで短時間で最長4分45秒の完全な曲を生成できます。非自己回帰構造により高速な推論速度が保証され、音楽創作の効率と拡張性が大幅に向上します。本モデルは、西北工業大学オーディオ、音声、言語処理グループ（ASLP@NPU）と香港中文大学（深圳）ビッグデータ研究所が共同で開発し、音楽創作にシンプルで効率的かつ創造的なソリューションを提供することを目指しています。

InspireMusicは、PyTorchを用いて開発された、音楽、楽曲、オーディオ生成に特化したAIGCツールキットおよびモデルフレームワークです。オーディオのトークン化とデコードプロセス、自己回帰Transformerと条件付きフローマッチングモデルを組み合わせることで、高品質な音楽生成を実現します。テキストプロンプト、音楽スタイル、構造など、さまざまな条件制御に対応し、24kHzおよび48kHzの高品質オーディオを生成でき、長尺オーディオ生成も可能です。さらに、ユーザーがニーズに合わせてモデルを調整できるよう、便利な微調整と推論スクリプトを提供しています。InspireMusicのオープンソース化は、一般ユーザーが音楽制作を通じて研究における音響表現を向上させることを目的としています。

本製品は、Gemini 2.0言語モデルとGoogle Imagen画像生成技術を活用し、音声認識と音声合成を組み合わせることで、ユーザーにインタラクティブなストーリー創作体験を提供します。ユーザーは音声入力でストーリーの展開を選択でき、システムはリアルタイムでストーリーの内容と関連画像を生成します。本製品の主な利点は、革新的なインタラクション方式と強力なコンテンツ生成能力であり、教育、エンターテインメント、創造的ひらめきを促す用途に適しています。現在、本製品はオープンソース段階にあり、具体的な価格設定は未定で、主に開発者と教育機関を対象としています。

YuEは、音楽生成のために設計された革新的なオープンソース基盤モデルシリーズです。歌詞を入力すると、完全な楽曲を生成できます。魅力的なボーカルとそれに合わせた伴奏を含む楽曲を生成し、様々な音楽ジャンルに対応しています。深層学習技術に基づいており、強力な生成能力と柔軟性を備え、音楽クリエイターにとって強力なツールとなります。オープンソースであるため、研究者や開発者はこれを基に更なる研究開発を行うことができます。

YuEは、香港科技大学と多様なモダリティアート投影チームによって開発されたオープンソースの音楽生成モデルです。与えられた歌詞に基づいて、ボーカルと伴奏を含む最長5分の完全な楽曲を生成できます。語彙強化オーディオマーカー、デュアルマーキング技術、歌詞連鎖思考などの技術革新により、歌詞から楽曲生成という複雑な問題を解決しました。YuEの主な利点は、高品質の楽曲を生成でき、複数の言語と音楽スタイルに対応し、拡張性と制御性に優れていることです。現在、このモデルは無料でオープンソースとして公開されており、音楽生成技術の発展を促進することを目的としています。

StoryWeaverは、知識増強型ストーリーキャラクターのカスタマイズを目的とした統一世界モデルです。単一および複数キャラクターのストーリーの視覚化を実現します。AAAI 2025論文に基づき、統一的なフレームワークでストーリーにおけるキャラクターのカスタマイズと視覚化を処理できるため、自然言語処理と人工知能の分野において重要な意味を持ちます。StoryWeaverの主な利点には、複雑なストーリー状況を処理できる能力と、機能を継続的に更新?拡張できることが挙げられます。製品背景情報として、本モデルはarXiv論文を継続的に更新し、より多くの実験結果を追加していく予定です。

スタンフォード大学研究チームが開発した、3D人体動作における言語と非言語を統合する多様なモダリティを扱う言語モデルフレームワークです。テキスト、音声、動作を含む多様なモダリティデータを理解?生成し、自然なコミュニケーションが可能なバーチャルキャラクターの作成に不可欠です。ゲーム、映画、仮想現実などの分野で幅広く活用できます。柔軟性の高さ、少ないトレーニングデータで済むこと、編集可能なジェスチャー生成や動作からの感情予測といった新たなタスクを可能にする点が主な利点です。

RapBankは、ラップ音楽に特化したデータセットです。YouTubeから大量のラップソングを収集し、精巧に設計されたデータ前処理手順を提供しています。このデータセットは、大量のラップ音楽コンテンツを提供し、音楽生成モデルの訓練とテストに使用できるため、音楽生成分野において重要な意味を持ちます。RapBankデータセットには94,164曲のソングリンクが含まれており、92,371曲がダウンロードされました。総再生時間は5,586時間に達し、84種類の言語を網羅しています。英語の楽曲の総再生時間が最も長く、総再生時間の約3分の2を占めています。

MelodyFlowは、テキスト制御による高忠実度の音楽生成と編集を行うモデルです。連続潜在表現シーケンスを使用することで、離散表現による情報損失の問題を回避しています。拡散トランスフォーマーアーキテクチャに基づき、フローマッチング目標を用いた学習により、多様な高品質ステレオサンプルを生成?編集でき、テキストによる簡潔な指示が可能です。MelodyFlowは、ゼロショットテストにおけるテキストガイド編集のための新たな正規化潜在反転手法も提案しており、様々な音楽編集プロンプトにおいて優れた性能を示します。客観的?主観的指標による評価を通して、標準的なテキスト?ツー?ミュージックベンチマークにおいて、評価ベースラインと同等の品質と効率性、そして音楽編集においては従来最先端技術を凌駕する性能であることを実証しています。

LofiLabは、直感的なインターフェースと強力な機能を持つウェブアプリケーションです。さまざまな種類の環境音楽やビジュアルエフェクトを探索し、自分好みのカスタマイズされたインバーティブな体験を楽しむことができます。

AIラップジェネレーターは、テキストを音楽ラップに変換するツールであり、AI技術を利用しています。独特なラップ作品を迅速に生成することが可能です。その主な利点には、迅速な作成、クリエイティブブロックを克服し、無料で音楽を提供することなどが含まれます。

Soundlabs AI は、音楽プロデューサー向けのオーディオツールであり、リアルタイムのサウンドと楽器の変換に特化しています。高度な AI 技術により、ユーザーのサウンドを高品質のバーチャルシンガーまたは楽器の音色に変換し、あらゆるデジタルオーディオワークステーション（DAW）にシームレスに統合します。この技術の主な利点としては、リアルタイム変換、高品質オーディオ出力、豊富な音色モデルライブラリが挙げられます。Soundlabs AI は、音楽制作の柔軟性を高めるだけでなく、クリエイターに無限の創造の可能性を提供し、ポップミュージック、エレクトロニックミュージック、その他のジャンルにおいて重要な役割を果たします。価格設定は明確で、一括購入とサブスクリプションサービスを含む複数の購入オプションを提供し、さまざまなユーザーのニーズに対応しています。

DiffRhythmは、潜在拡散技術を利用して、高速かつ高品質な全曲生成を実現する革新的な音楽生成モデルです。この技術は従来の音楽生成方法の限界を突破し、複雑な多段階アーキテクチャや煩雑なデータ準備を必要とせず、歌詞とスタイルプロンプトだけで短時間で最長4分45秒の完全な曲を生成できます。非自己回帰構造により高速な推論速度が保証され、音楽創作の効率と拡張性が大幅に向上します。本モデルは、西北工業大学オーディオ、音声、言語処理グループ（ASLP@NPU）と香港中文大学（深圳）ビッグデータ研究所が共同で開発し、音楽創作にシンプルで効率的かつ創造的なソリューションを提供することを目指しています。

StoryMagician.aiは、人工知能技術を活用して、子供向けにパーソナライズされたインタラクティブな絵本を作成する革新的なオンラインプラットフォームです。簡単な入力で、個性的な登場人物、ストーリー、イラストを含む絵本を生成できます。この技術は、子供たちの想像力を刺激するだけでなく、読書への関心と語学力を向上させます。高品質の印刷版と複数の言語オプションを提供しており、保護者、教師、子供たちすべてにご利用いただけます。主な利点としては、高度なカスタマイズ性、高いインタラクティブ性、使いやすさが挙げられます。教育とエンターテインメントを融合した製品であり、パーソナライズされた物語体験を通して、子供たちの自信と新しい知識の学習を支援することを目指しています。

AI Music Generatorは、最先端の人工知能技術を活用した革新的な音楽制作プラットフォームです。誰でも簡単にプロ品質の音楽を制作できます。音楽理論、作曲、アレンジを理解しており、簡単なテキストの説明を完全なオリジナル作品に変換することで、音楽制作をシンプルで容易にします。個人クリエイター向けの便利な音楽制作ツールであると同時に、商業プロジェクトにも効率的で経済的なソリューションを提供します。無料トライアルを提供しており、様々な有料プランも用意されています。

InspireMusicは、PyTorchを用いて開発された、音楽、楽曲、オーディオ生成に特化したAIGCツールキットおよびモデルフレームワークです。オーディオのトークン化とデコードプロセス、自己回帰Transformerと条件付きフローマッチングモデルを組み合わせることで、高品質な音楽生成を実現します。テキストプロンプト、音楽スタイル、構造など、さまざまな条件制御に対応し、24kHzおよび48kHzの高品質オーディオを生成でき、長尺オーディオ生成も可能です。さらに、ユーザーがニーズに合わせてモデルを調整できるよう、便利な微調整と推論スクリプトを提供しています。InspireMusicのオープンソース化は、一般ユーザーが音楽制作を通じて研究における音響表現を向上させることを目的としています。

AIMusicGen.AIは、人工知能を用いたオンライン音楽生成プラットフォームです。高度な深層学習技術により、ユーザーのテキスト記述や歌詞を、高品質な音楽作品に迅速に変換します。主な利点として、完全無料かつ登録不要、高速な生成速度（1分未満で完了）、多言語対応、豊富な音楽スタイルのカスタマイズが挙げられます。音楽クリエイター、動画制作者、広告代理店、音楽愛好家などに最適で、著作権フリーの音楽を迅速に取得し、創作時間とコストを削減できます。無料トライアルと有料プレミアム機能を含む、複数のサブスクリプションプランを提供しています。

本製品は、Gemini 2.0言語モデルとGoogle Imagen画像生成技術を活用し、音声認識と音声合成を組み合わせることで、ユーザーにインタラクティブなストーリー創作体験を提供します。ユーザーは音声入力でストーリーの展開を選択でき、システムはリアルタイムでストーリーの内容と関連画像を生成します。本製品の主な利点は、革新的なインタラクション方式と強力なコンテンツ生成能力であり、教育、エンターテインメント、創造的ひらめきを促す用途に適しています。現在、本製品はオープンソース段階にあり、具体的な価格設定は未定で、主に開発者と教育機関を対象としています。