
比自回归同类快很多
并行生成抬走了顺序模型逃不掉的硬速度上限,不管硬件多强。
Meta AI
Meta 的高速模型——同等质量,没有顺序等待。
一句话
数据已核实 2026-08-10。 这个领域变化很快——在依赖它们前请再核对一遍。
MAGNeT 实际上回答了大家对 MusicGen 的主要抱怨:等。自回归模型必须顺序生成,每步依赖上一步,不管硬件多猛都有硬速度上限。MAGNeT 的掩码并行做法抬走了这个上限,在相似质量下快好几倍。值不值,完全看你的工作流。单条音轨就是从要等到几乎不用等,挺爽。交互式工具里用户要回声、或成千上万批量变体时,它是能不能落地的分水岭。以质量/秒为指标,它在同代里领跑。它的采用度不如 MusicGen,社区资料更少,而且和 Meta 其他音频研究发布一样,沿用了相同的许可考量。
长处

并行生成抬走了顺序模型逃不掉的硬速度上限,不管硬件多强。

质量/秒是决定交互式工具能不能活下来的指标,而它在这一点上领先同代。

开放权重意味着这份速度优势能用在你自己的部署里,而不是锁在别人的 API 背后。
怎么比

常见搜索词:magnet meta、magnet audio model、fast music generation model。它是 MusicGen 的速度回应,但采用更多是跟着文档走,而不是看真实能力。
它用并行的掩码式多次生成,而不是一步步来,这抬走了顺序模型不管什么硬件都逃不掉的硬速度上限。
当你做交互式工具、用户在等,或做成千上万的批量变体时。单条音轨上是爽,但不决定成败。
它领先的是质量/秒。在同等质量下它会快好几倍,这就是决定产品可行性的指标。
Meta 的研究许可,和同系模型一样的商业限制。上线任何基于它的东西前先确认你所用发布版的条款。
在 Meta 的音频模型里它最接近实时,因为并行解码去掉了顺序束缚。够不够快取决于你的硬件和你要的片段长度。
采用度跟着文档走。MusicGen 发布时社区资料多得多,所以大多数教程和封装库都对着它来——这和哪个模型更好关系不大。
更多模型
我们跟踪的模型与平台,按能力与许可对比。