🖼️ 利用编码器和模型进行音乐和图像理解，用户可编辑音乐、调整乐器和速度。
📈 金融应用: 在金融领域，模型通过多个金融考试，得分平均达到75.9分，涵盖A股、基金、ETF等15个业务矩阵，为用户提供全面精准、稳定可控的投资决策支持。
图源:新抖
新鲜AI产品点击了解：https://top.aibase.com/
据悉，M2UGen采用了创新的方法，生成了大规模的多模态音乐指导数据集，用于训练模型。这包括MU-LLaMA模型生成的1.2k多小时音乐字幕数据集。模型结合了MU-LLaMA、BLIP图像字幕模型、MPT-7B-Chat模型以及VideoMAE字幕模型，以在各个领域生成对应的指导。