Audiocraft不是"一个"工具，是一个框架
需要先厘清一个概念：Audiocraft不是像Suno或Udio那样直接打开网页就能用的音乐生成工具。它是一个面向开发者和研究者的开源代码库——你需要有Python编程能力、合适的GPU硬件和对命令行的基本了解才能使用。
Audiocraft更像是"AI音乐生成的乐高积木"——Meta提供了构建块（模型代码、训练管线、预训练权重），开发者可以在此基础上搭建自己的音乐/音频应用，也可以用预训练权重直接生成音乐。
这个定位决定了它的主要用户是技术背景更强的人群：AI研究者、音乐科技开发者、想自己搭建AI音乐工具的技术团队。
框架里有什么：逐一了解核心模型
MusicGen是Audiocraft中最知名的模型，用于文本描述到音乐的生成。输入一段文字描述（如"轻松的原声吉他背景音乐"），模型输出对应的音频。MusicGen在推出时是文本到音乐生成领域的领先方案之一，相关论文发表于NeurIPS 2023。
AudioGen处理文本到通用音效的生成，可以生成环境音、音效等非音乐类音频。
EnCodec是一个神经音频编解码器，作为Audiocraft的底层基础组件，负责将音频压缩为离散token供其他模型处理，以及将生成的token还原为音频波形。它既是训练管线的一环，也可独立用于音频压缩研究。
MAGNeT采用非自回归架构，生成速度比自回归模型更快，同时保持可观的音频质量。
JASCO是2025年1月最新加入的模型，支持通过文本+和弦+旋律+鼓轨的多重条件控制音乐生成，比纯文本控制更精确。
AudioSeal是一个音频水印工具，可用于检测和标注AI生成的音频——这在AI音频日益普及的今天具有重要的伦理和版权意义。
MusicGen Style支持以参考音频的风格来引导生成，而不仅限于文字描述。
如何获取和安装
安装方式有三种：通过pip安装稳定版、通过git安装最新开发版、以及克隆仓库后本地安装（若要训练模型则必须本地安装）。安装命令在README中有详细说明。
模型权重托管在Hugging Face上，首次运行时会自动下载。可以通过设置AUDIOCRAFT_CACHE_DIR环境变量来修改缓存位置。
许可限制：商业使用需要谨慎
Audiocraft的许可策略有两个层面：
- 代码（MIT许可）：非常宽松，可以自由使用、修改、分发，包括商业用途。
- 模型权重（CC-BY-NC 4.0许可）：仅允许非商业用途。如果计划将MusicGen等模型的预训练权重用于商业产品或服务，需要联系Meta获取商业许可。
这意味着如果你只是想学习和研究，门槛很低；但如果想基于MusicGen构建商业化的音乐生成产品，要么需要获取Meta的商业授权，要么需要自己从零训练模型而不是使用预训练权重。
适合谁用
Audiocraft比较适合以下人群：想了解AI音乐生成底层原理的研究者和学生；有技术能力、想在上面搭建自定义音乐生成应用的开发者；需要高质量开源音乐生成模型但不需要商业授权的非营利项目。
不太适合：只是想生成几首音乐听听的普通用户（有Suno、EasyMusic等更友好的选择）；没有GPU和Python环境、希望通过网页直接使用的用户；需要明确商业授权的企业用户（除非已与Meta沟通许可事宜）。
