如何获取 AudioCraft 的代码和模型资源

AudioCraft 是 Meta AI 推出的音频生成研究项目，官网 audiocraft.metademolab.com 本身是一个导航与说明页面，不直接托管代码文件。要获取代码和模型，需要从页面上的入口跳转到 GitHub 仓库和模型卡片页面。页面明确提供了“Go to the code”按钮，以及 MusicGen、AudioGen、EnCodec 三个模型的详情链接。

官网提供哪些入口

页面底部和正文中列出了以下可点击资源：

这些链接是获取代码、模型说明和背景资料的主要途径。官网本身不提供直接下载按钮，实际代码和权重需要进入 GitHub 仓库后按仓库说明操作。

三个模型分别对应什么任务

页面把 AudioCraft 定位为“一站式代码库”，覆盖音乐、音效和压缩三类生成需求。三个模型的分工如下：

• MusicGen：文本到音乐生成。根据用户提供的文本输入，生成多样且较长的音乐样本。
• AudioGen：文本到声音生成。从环境声音数据中学习，根据文本生成音效类音频。
• EnCodec：神经音频编解码器。把原始波形映射为离散 token 流，也负责把生成的 token 解码回波形。

如果你要找的是“文字生成音乐”的代码，重点看 MusicGen；如果是“文字生成环境音效”，重点看 AudioGen；EnCodec 是两者共用的底层编解码组件。

技术原理简述

AudioCraft 简化了音频生成模型的设计。MusicGen 和 AudioGen 都由单个自回归语言模型构成，工作在 EnCodec 压缩后的离散音乐表示（token）之上。

流程可以概括为：

1. EnCodec 把原始音频波形编码成一路或多路并行的离散 token 流。
2. 自回归语言模型对这些 token 递归建模，通过 token 交错模式同时捕捉长程依赖。
3. 生成的 token 再送入 EnCodec 解码器，映射回音频空间，得到输出波形。
4. 可接入不同类型的条件模型进行控制，例如用预训练文本编码器实现文本到音频。

使用前需要知道的条件

• 官网是研究介绍页，代码获取以 GitHub 仓库为准，页面上的“Go to the code”和“Github”是起点。
• 页面列出了隐私政策、条款和模型卡片，说明该项目属于 Meta AI 研究性质，使用时应查看对应模型卡片了解适用范围。
• 资料未提及价格、登录要求或免费声明，因此不能推断为免费或无需登录，具体以 GitHub 仓库和模型卡片说明为准。

常见卡点

• 在官网找不到下载按钮：官网只做导航，代码和权重在 GitHub，需跳转后按仓库 README 操作。
• 分不清该用哪个模型：按任务选——音乐用 MusicGen，音效用 AudioGen，编解码或底层处理看 EnCodec。
• 想了解技术细节：优先看页面上的 Technical details 和 Meta AI blog，再结合模型卡片确认能力边界。