在本地安装 AudioCraft：2023 年 MusicGen 与 AudioGen 教程

AudioCraft 是 Meta 用于生成音乐和音效的项目。我将在 Mac 上演示使用 MusicGen 和 AudioGen 的本地工作流程。本教程录制于 2023 年 8 月，照着操作前应对照当前 AudioCraft 代码库检查命令和依赖。

首先，我用 `conda create -n ac python=3.9` 和 `conda activate ac` 创建并激活 Conda 环境。激活成功后，终端会显示环境名称。我使用的是 macOS；我预计 Windows 上的流程类似，但视频没有演示或验证 Windows 安装。

AudioCraft 还需要 FFmpeg。在我的 Mac 上，我使用 `brew install ffmpeg`；Homebrew 显示它已经安装。当前项目文档也介绍了通过 Conda 安装 FFmpeg，以及特定的 Python 和 PyTorch 依赖。

我从 GitHub 复制代码库地址，运行 `git clone https://github.com/facebookresearch/audiocraft.git`，再用 `cd audiocraft` 进入目录。在 2023 年的演示中，我用 `python -m pip install -r requirements.txt` 安装依赖。安装方法和依赖版本可能变化，应查看项目 README 了解当前流程。

为了启动 MusicGen Gradio 演示，我运行 `python -m demos.musicgen_app --share`，然后打开终端打印的本地地址。`--share` 选项还会请求可分享的 Gradio 链接，因此不应假设每一种访问方式都只限本地或保持私密。

MusicGen 界面提供文本框填写音乐描述，也可以选择输入音频，作为旋律条件。我输入“90s hip hop West Coast”并提交。首次运行需要下载模型权重，因此启动时间会比我的机器更长；我的模型已经下载完成。

生成需要一段时间；我认为自己运行时使用的是 CPU。界面允许我选择 melody 模型或 small、medium、large 版本，调整时长，并尝试 top-k、top-p 和 temperature。可选音频输入用于为支持旋律的模型提供条件，并不代表任何模型都能进行任意音频到音频的转换。

我将示例保持为 10 秒并试听结果。我建议尝试各项控制，并说演示中的界面允许最长两分钟。可用限制和延长生成的行为取决于版本与模型；原版 MusicGen 代码使用 30 秒模型窗口，并通过扩展机制生成更长的输出。

生成音效时，我转向 AudioGen。我在 Mac 上使用其代码和 Jupyter 笔记本时遇到困难，于是采用 cocktailpeanut 在 AudioCraft 第 185 号拉取请求中提出的社区 Gradio 界面。我的演示运行成功，但这不保证相同配置能在每台电脑上工作。

录制时这个拉取请求尚未合并，因此我使用 `git fetch origin pull/185/head:PR185` 获取，再用 `git checkout PR185` 切换。我当时预计它可能随后合并，但项目页面仍将此提议列为开放状态；不应假设它已经进入主分支。

在该分支上，我运行 `python -m demos.audiogen_app --share`，打开本地地址，输入“dog barking”。首次使用需要下载 AudioGen 模型；我的模型已经缓存。生成的声音像一只小狗，我觉得效果很逼真。

这个演示可以免费在本地试用，但许可需要区分：AudioCraft 代码库的代码采用 MIT 许可，发布的模型权重则采用 CC BY-NC 4.0。使用权重前应检查适用条款，尤其是商业用途。我鼓励观众尝试不同的音频设置并比较结果。