AI 音乐与音频生成可视化实验室

基于 Transformer 的符号音乐生成：音符 Token 化 → 自回归生成 → 音乐结构（小节/乐句/段落）→ MIDI 输出。钢琴卷帘图展示逐步生成过程，每个音符按 Token 逐步出现。

音频 Diffusion 生成：噪声 → 条件（文本/旋律）→ 逐步去噪 → 频谱图 → 声码器 → 音频。观察频谱图从纯噪声逐步去噪至清晰结构的过程，每一步结构化信息逐渐显现。

Voice Cloning 流程：目标声音编码（说话人嵌入）→ 声学模型适配 → 声码器合成。对比 Zero-Shot（3秒样本即时克隆）与 Few-Shot（30秒样本微调）两种克隆模式的差异与效果。

AI 对音乐结构的层次化理解：节拍 / 调性 / 和弦 / 旋律 / 和声 / 配器。切换不同结构层观察从节拍到段落的层次化音乐分析，理解 AI 如何解析音乐的多个维度。

多乐器多轨分层生成：鼓组 → 贝斯 → 和声 → 旋律 → 人声，逐步叠加并混音。观察各轨道的生成时序与混合效果，理解分层生成如何保证音乐协调性。

雷达图对比 MusicGen / AudioLDM2 / Stable Audio / Suno 在音质(FAD)、音乐性、多样性、可控性、实时性五维度的表现。切换模型高亮查看各模型的优劣分布。

AI 音乐/音频应用场景网格：自动配乐、声音设计、语音合成、音乐教育、游戏音频、播客制作。每个应用标注技术成熟度与落地状态，切换场景查看详情。