better-dsh 0.2.4 → 0.2.5

package/docs/80_upstream-docs-and-skills/hermes-dev-skill/src/i18n/zh-Hans/user-guide/skills/optional/communication/communication-one-three-one-rule.md

@@ -0,0 +1,114 @@
+---
+title: "One Three One Rule — 技术提案与权衡分析的结构化决策框架"
+sidebar_label: "One Three One Rule"
+description: "技术提案与权衡分析的结构化决策框架"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# One Three One Rule
+
+技术提案与权衡分析的结构化决策框架。当用户需要在多种方案之间做出选择时（架构决策、工具选型、重构策略、迁移路径），本 skill 输出 1-3-1 格式：一句清晰的问题陈述、三个各有利弊的备选方案，以及一个附带完成定义和实施计划的具体建议。当用户要求"1-3-1"、说"给我几个选项"，或需要在竞争方案之间做出选择时使用。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/communication/one-three-one-rule` 安装 |
+| 路径 | `optional-skills/communication/one-three-one-rule` |
+| 版本 | `1.0.0` |
+| 作者 | Willard Moore |
+| 许可证 | MIT |
+| 平台 | linux, macos, windows |
+| 标签 | `communication`, `decision-making`, `proposals`, `trade-offs` |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发本 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
+:::
+
+# 1-3-1 沟通规则
+
+结构化决策格式，适用于任务存在多个可行方案、用户需要明确建议的场景。输出简洁的问题框架、三个各有权衡的选项，以及推荐方案的可执行计划。
+
+## 使用时机
+
+- 用户明确要求"1-3-1"格式的回复。
+- 用户针对某个技术决策说"给我几个选项"或"我有哪些选择"。
+- 任务存在多个可行方案且权衡（trade-off）有实质意义（架构、工具选型、迁移策略）。
+- 用户需要一份可转发给团队或利益相关方的提案。
+
+**不适用**于答案显而易见的简单问题、调试会话，或用户已确定方案的任务。
+
+## 执行步骤
+
+1. **问题**（一句话）
+   - 用一句简洁的话陈述核心决策或期望结果。
+   - 聚焦于*是什么*，而非*如何做* — 不涉及实现细节、工具名称或具体技术。
+   - 保持精炼。如果需要用"并且"，说明你在描述两个问题。
+
+2. **选项**（恰好三个）
+   - 以 A、B、C 为标签，提出三个不同的可行方案。
+   - 每个选项包含简要描述、优点和缺点。
+   - 选项应代表真正不同的策略，而非同一方案的细微变体。
+
+3. **建议**（一个选项）
+   - 说明推荐哪个选项及其原因，基于用户的上下文和优先级。
+   - 直接给出判断 — 这是你的专业意见，不是模棱两可的表述。
+
+4. **完成定义**
+   - 列出推荐选项的具体成功标准。
+   - 这些是可验证的具体结果，而非模糊的愿景。
+   - 如果用户选择了其他选项，相应修订本节内容。
+
+5. **实施计划**
+   - 执行推荐选项的具体步骤。
+   - 在适用处包含具体命令、工具或操作。
+   - 如果用户选择了其他选项，相应修订本节内容。
+
+## 验证
+
+- 回复中恰好有一句问题陈述。
+- 回复中恰好有三个选项（A、B、C），每个选项均包含优缺点。
+- 回复中有一个建议，选定一个选项并说明理由。
+- 完成定义和实施计划与推荐选项保持一致。
+- 如果用户选择了其他选项，建议、完成定义和实施计划相应更新。
+
+## 示例
+
+用户："给我一个关于为 API 客户端添加重试逻辑的 1-3-1。"
+
+Agent：
+
+**问题：** 对外部服务的 API 调用在高负载下间歇性失败，需要优雅的重试处理机制。
+
+**选项：**
+
+- **选项 A：在共享工具函数中实现带抖动的指数退避。**
+  优点：模式简单易懂；所有调用方共用一套实现。
+  缺点：无熔断机制；重试期间调用方仍会阻塞。
+
+- **选项 B：使用重试库（tenacity）作为每个端点调用的装饰器。**
+  优点：可按端点配置；内置熔断器和速率限制支持。
+  缺点：引入新依赖；装饰器模式可能使控制流不够直观。
+
+- **选项 C：基于队列的异步重试，附带死信处理。**
+  优点：非阻塞；失败调用可追踪和重放；扩展性好。
+  缺点：复杂度显著增加；需要队列后端；对低流量服务而言过度设计。
+
+**建议：** 选项 A。调用量不足以支撑队列基础设施，共享工具函数配合指数退避加抖动可以干净地覆盖故障场景，且无需引入新依赖。
+
+**完成定义：**
+- `api_retry()` 工具函数能处理瞬态 HTTP 错误（429、502、503、504）。
+- 最多重试 3 次，采用指数退避加抖动策略。
+- 所有外部 API 调用均通过重试工具函数路由。
+- 每次重试尝试均记录端点和尝试次数。
+- 测试覆盖重试耗尽、立即成功和瞬态失败后成功等场景。
+
+**实施计划：**
+1. 创建 `utils/api_retry.py`，支持配置最大重试次数、基础延迟和可重试状态码。
+2. 使用 `random.uniform(0, base_delay)` 添加抖动，防止惊群效应。
+3. 用重试工具函数包装 `api_client.py` 中现有的 API 调用。
+4. 添加单元测试，模拟各重试场景的 HTTP 响应。
+5. 使用针对不稳定端点 mock 的简单压力测试，在负载下进行验证。

package/docs/80_upstream-docs-and-skills/hermes-dev-skill/src/i18n/zh-Hans/user-guide/skills/optional/creative/creative-audiocraft-audio-generation.md

@@ -0,0 +1,588 @@
+---
+title: "Audiocraft 音频生成 — AudioCraft：MusicGen 文本转音乐，AudioGen 文本转声音"
+sidebar_label: "Audiocraft 音频生成"
+description: "AudioCraft：MusicGen 文本转音乐，AudioGen 文本转声音"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Audiocraft 音频生成
+
+AudioCraft：MusicGen 文本转音乐，AudioGen 文本转声音。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/creative/audiocraft-audio-generation` 安装 |
+| 路径 | `optional-skills/creative/audiocraft-audio-generation` |
+| 版本 | `1.0.0` |
+| 作者 | Orchestra Research |
+| 许可证 | MIT |
+| 依赖 | `audiocraft`, `torch>=2.0.0`, `transformers>=4.30.0` |
+| 平台 | linux, macos |
+| 标签 | `Multimodal`, `Audio Generation`, `Text-to-Music`, `Text-to-Audio`, `MusicGen` |
+| 相关 skill | [`heartmula`](/user-guide/skills/optional/creative/creative-heartmula), [`songwriting-and-ai-music`](/user-guide/skills/bundled/creative/creative-songwriting-and-ai-music) |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
+:::
+
+# AudioCraft：音频生成
+
+使用 Meta 的 AudioCraft 进行文本转音乐和文本转音频生成的完整指南，涵盖 MusicGen、AudioGen 和 EnCodec。
+
+## 何时使用 AudioCraft
+
+**在以下情况下使用 AudioCraft：**
+- 需要从文本描述生成音乐
+- 创建音效和环境音频
+- 构建音乐生成应用
+- 需要旋律条件化的音乐生成
+- 需要立体声音频输出
+- 需要可控的风格迁移音乐生成
+
+**核心功能：**
+- **MusicGen**：支持旋律条件化的文本转音乐生成
+- **AudioGen**：文本转音效生成
+- **EnCodec**：高保真神经音频编解码器
+- **多种模型规格**：从 Small（300M）到 Large（3.3B）
+- **立体声支持**：完整立体声音频生成
+- **风格条件化**：MusicGen-Style 支持基于参考的生成
+
+**以下情况请使用替代方案：**
+- **Stable Audio**：用于较长的商业音乐生成
+- **Bark**：用于带音乐/音效的文本转语音
+- **Riffusion**：用于基于频谱图的音乐生成
+- **OpenAI Jukebox**：用于带歌词的原始音频生成
+
+## 快速开始
+
+### 安装
+
+```bash
+# 从 PyPI 安装
+pip install audiocraft
+
+# 从 GitHub 安装（最新版）
+pip install git+https://github.com/facebookresearch/audiocraft.git
+
+# 或使用 HuggingFace Transformers
+pip install transformers torch torchaudio
+```
+
+### 基础文本转音乐（AudioCraft）
+
+```python
+import torchaudio
+from audiocraft.models import MusicGen
+
+# 加载模型
+model = MusicGen.get_pretrained('facebook/musicgen-small')
+
+# 设置生成参数
+model.set_generation_params(
+    duration=8,  # 秒
+    top_k=250,
+    temperature=1.0
+)
+
+# 从文本生成
+descriptions = ["happy upbeat electronic dance music with synths"]
+wav = model.generate(descriptions)
+
+# 保存音频
+torchaudio.save("output.wav", wav[0].cpu(), sample_rate=32000)
+```
+
+### 使用 HuggingFace Transformers
+
+```python
+from transformers import AutoProcessor, MusicgenForConditionalGeneration
+import scipy
+
+# 加载模型和处理器
+processor = AutoProcessor.from_pretrained("facebook/musicgen-small")
+model = MusicgenForConditionalGeneration.from_pretrained("facebook/musicgen-small")
+model.to("cuda")
+
+# 生成音乐
+inputs = processor(
+    text=["80s pop track with bassy drums and synth"],
+    padding=True,
+    return_tensors="pt"
+).to("cuda")
+
+audio_values = model.generate(
+    **inputs,
+    do_sample=True,
+    guidance_scale=3,
+    max_new_tokens=256
+)
+
+# 保存
+sampling_rate = model.config.audio_encoder.sampling_rate
+scipy.io.wavfile.write("output.wav", rate=sampling_rate, data=audio_values[0, 0].cpu().numpy())
+```
+
+### 使用 AudioGen 进行文本转声音
+
+```python
+from audiocraft.models import AudioGen
+
+# 加载 AudioGen
+model = AudioGen.get_pretrained('facebook/audiogen-medium')
+
+model.set_generation_params(duration=5)
+
+# 生成音效
+descriptions = ["dog barking in a park with birds chirping"]
+wav = model.generate(descriptions)
+
+torchaudio.save("sound.wav", wav[0].cpu(), sample_rate=16000)
+```
+
+## 核心概念
+
+### 架构概览
+
+<!-- ascii-guard-ignore -->
+```
+AudioCraft Architecture:
+┌──────────────────────────────────────────────────────────────┐
+│                    Text Encoder (T5)                          │
+│                         │                                     │
+│                    Text Embeddings                            │
+└────────────────────────┬─────────────────────────────────────┘
+                         │
+┌────────────────────────▼─────────────────────────────────────┐
+│              Transformer Decoder (LM)                         │
+│     Auto-regressively generates audio tokens                  │
+│     Using efficient token interleaving patterns               │
+└────────────────────────┬─────────────────────────────────────┘
+                         │
+┌────────────────────────▼─────────────────────────────────────┐
+│                EnCodec Audio Decoder                          │
+│        Converts tokens back to audio waveform                 │
+└──────────────────────────────────────────────────────────────┘
+```
+<!-- ascii-guard-ignore-end -->
+
+### 模型变体
+
+| 模型 | 规模 | 描述 | 适用场景 |
+|-------|------|-------------|----------|
+| `musicgen-small` | 300M | 文本转音乐 | 快速生成 |
+| `musicgen-medium` | 1.5B | 文本转音乐 | 均衡选择 |
+| `musicgen-large` | 3.3B | 文本转音乐 | 最佳质量 |
+| `musicgen-melody` | 1.5B | 文本 + 旋律 | 旋律条件化 |
+| `musicgen-melody-large` | 3.3B | 文本 + 旋律 | 最佳旋律效果 |
+| `musicgen-stereo-*` | 不定 | 立体声输出 | 立体声生成 |
+| `musicgen-style` | 1.5B | 风格迁移 | 基于参考的生成 |
+| `audiogen-medium` | 1.5B | 文本转声音 | 音效生成 |
+
+### 生成参数
+
+| 参数 | 默认值 | 描述 |
+|-----------|---------|-------------|
+| `duration` | 8.0 | 时长（秒），范围 1-120 |
+| `top_k` | 250 | Top-k 采样 |
+| `top_p` | 0.0 | Nucleus 采样（0 = 禁用） |
+| `temperature` | 1.0 | 采样温度 |
+| `cfg_coef` | 3.0 | 无分类器引导系数 |
+
+## MusicGen 用法
+
+### 文本转音乐生成
+
+```python
+from audiocraft.models import MusicGen
+import torchaudio
+
+model = MusicGen.get_pretrained('facebook/musicgen-medium')
+
+# 配置生成参数
+model.set_generation_params(
+    duration=30,          # 最长 30 秒
+    top_k=250,            # 采样多样性
+    top_p=0.0,            # 0 = 仅使用 top_k
+    temperature=1.0,      # 创意度（越高越多样）
+    cfg_coef=3.0          # 文本遵循度（越高越严格）
+)
+
+# 生成多个样本
+descriptions = [
+    "epic orchestral soundtrack with strings and brass",
+    "chill lo-fi hip hop beat with jazzy piano",
+    "energetic rock song with electric guitar"
+]
+
+# 生成（返回 [batch, channels, samples]）
+wav = model.generate(descriptions)
+
+# 逐个保存
+for i, audio in enumerate(wav):
+    torchaudio.save(f"music_{i}.wav", audio.cpu(), sample_rate=32000)
+```
+
+### 旋律条件化生成
+
+```python
+from audiocraft.models import MusicGen
+import torchaudio
+
+# 加载旋律模型
+model = MusicGen.get_pretrained('facebook/musicgen-melody')
+model.set_generation_params(duration=30)
+
+# 加载旋律音频
+melody, sr = torchaudio.load("melody.wav")
+
+# 使用旋律条件化生成
+descriptions = ["acoustic guitar folk song"]
+wav = model.generate_with_chroma(descriptions, melody, sr)
+
+torchaudio.save("melody_conditioned.wav", wav[0].cpu(), sample_rate=32000)
+```
+
+### 立体声生成
+
+```python
+from audiocraft.models import MusicGen
+
+# 加载立体声模型
+model = MusicGen.get_pretrained('facebook/musicgen-stereo-medium')
+model.set_generation_params(duration=15)
+
+descriptions = ["ambient electronic music with wide stereo panning"]
+wav = model.generate(descriptions)
+
+# wav 形状：立体声为 [batch, 2, samples]
+print(f"Stereo shape: {wav.shape}")  # [1, 2, 480000]
+torchaudio.save("stereo.wav", wav[0].cpu(), sample_rate=32000)
+```
+
+### 音频续写
+
+```python
+from transformers import AutoProcessor, MusicgenForConditionalGeneration
+
+processor = AutoProcessor.from_pretrained("facebook/musicgen-medium")
+model = MusicgenForConditionalGeneration.from_pretrained("facebook/musicgen-medium")
+
+# 加载待续写的音频
+import torchaudio
+audio, sr = torchaudio.load("intro.wav")
+
+# 同时处理文本和音频
+inputs = processor(
+    audio=audio.squeeze().numpy(),
+    sampling_rate=sr,
+    text=["continue with a epic chorus"],
+    padding=True,
+    return_tensors="pt"
+)
+
+# 生成续写内容
+audio_values = model.generate(**inputs, do_sample=True, guidance_scale=3, max_new_tokens=512)
+```
+
+## MusicGen-Style 用法
+
+### 风格条件化生成
+
+```python
+from audiocraft.models import MusicGen
+
+# 加载风格模型
+model = MusicGen.get_pretrained('facebook/musicgen-style')
+
+# 配置带风格的生成参数
+model.set_generation_params(
+    duration=30,
+    cfg_coef=3.0,
+    cfg_coef_beta=5.0  # 风格影响强度
+)
+
+# 配置风格条件器参数
+model.set_style_conditioner_params(
+    eval_q=3,          # RVQ 量化器数量（1-6）
+    excerpt_length=3.0  # 风格片段长度
+)
+
+# 加载风格参考音频
+style_audio, sr = torchaudio.load("reference_style.wav")
+
+# 使用文本 + 风格生成
+descriptions = ["upbeat dance track"]
+wav = model.generate_with_style(descriptions, style_audio, sr)
+```
+
+### 仅风格生成（无文本）
+
+```python
+# 不使用文本 prompt，仅匹配风格生成
+model.set_generation_params(
+    duration=30,
+    cfg_coef=3.0,
+    cfg_coef_beta=None  # 禁用双 CFG 以支持纯风格模式
+)
+
+wav = model.generate_with_style([None], style_audio, sr)
+```
+
+## AudioGen 用法
+
+### 音效生成
+
+```python
+from audiocraft.models import AudioGen
+import torchaudio
+
+model = AudioGen.get_pretrained('facebook/audiogen-medium')
+model.set_generation_params(duration=10)
+
+# 生成各类声音
+descriptions = [
+    "thunderstorm with heavy rain and lightning",
+    "busy city traffic with car horns",
+    "ocean waves crashing on rocks",
+    "crackling campfire in forest"
+]
+
+wav = model.generate(descriptions)
+
+for i, audio in enumerate(wav):
+    torchaudio.save(f"sound_{i}.wav", audio.cpu(), sample_rate=16000)
+```
+
+## EnCodec 用法
+
+### 音频压缩
+
+```python
+from audiocraft.models import CompressionModel
+import torch
+import torchaudio
+
+# 加载 EnCodec
+model = CompressionModel.get_pretrained('facebook/encodec_32khz')
+
+# 加载音频
+wav, sr = torchaudio.load("audio.wav")
+
+# 确保采样率正确
+if sr != 32000:
+    resampler = torchaudio.transforms.Resample(sr, 32000)
+    wav = resampler(wav)
+
+# 编码为 token
+with torch.no_grad():
+    encoded = model.encode(wav.unsqueeze(0))
+    codes = encoded[0]  # 音频编码
+
+# 解码回音频
+with torch.no_grad():
+    decoded = model.decode(codes)
+
+torchaudio.save("reconstructed.wav", decoded[0].cpu(), sample_rate=32000)
+```
+
+## 常见工作流
+
+### 工作流 1：音乐生成流水线
+
+```python
+import torch
+import torchaudio
+from audiocraft.models import MusicGen
+
+class MusicGenerator:
+    def __init__(self, model_name="facebook/musicgen-medium"):
+        self.model = MusicGen.get_pretrained(model_name)
+        self.sample_rate = 32000
+
+    def generate(self, prompt, duration=30, temperature=1.0, cfg=3.0):
+        self.model.set_generation_params(
+            duration=duration,
+            top_k=250,
+            temperature=temperature,
+            cfg_coef=cfg
+        )
+
+        with torch.no_grad():
+            wav = self.model.generate([prompt])
+
+        return wav[0].cpu()
+
+    def generate_batch(self, prompts, duration=30):
+        self.model.set_generation_params(duration=duration)
+
+        with torch.no_grad():
+            wav = self.model.generate(prompts)
+
+        return wav.cpu()
+
+    def save(self, audio, path):
+        torchaudio.save(path, audio, sample_rate=self.sample_rate)
+
+# 使用示例
+generator = MusicGenerator()
+audio = generator.generate(
+    "epic cinematic orchestral music",
+    duration=30,
+    temperature=1.0
+)
+generator.save(audio, "epic_music.wav")
+```
+
+### 工作流 2：音效批量处理
+
+```python
+import json
+from pathlib import Path
+from audiocraft.models import AudioGen
+import torchaudio
+
+def batch_generate_sounds(sound_specs, output_dir):
+    """
+    根据规格批量生成声音。
+
+    Args:
+        sound_specs: list of {"name": str, "description": str, "duration": float}
+        output_dir: output directory path
+    """
+    model = AudioGen.get_pretrained('facebook/audiogen-medium')
+    output_dir = Path(output_dir)
+    output_dir.mkdir(exist_ok=True)
+
+    results = []
+
+    for spec in sound_specs:
+        model.set_generation_params(duration=spec.get("duration", 5))
+
+        wav = model.generate([spec["description"]])
+
+        output_path = output_dir / f"{spec['name']}.wav"
+        torchaudio.save(str(output_path), wav[0].cpu(), sample_rate=16000)
+
+        results.append({
+            "name": spec["name"],
+            "path": str(output_path),
+            "description": spec["description"]
+        })
+
+    return results
+
+# 使用示例
+sounds = [
+    {"name": "explosion", "description": "massive explosion with debris", "duration": 3},
+    {"name": "footsteps", "description": "footsteps on wooden floor", "duration": 5},
+    {"name": "door", "description": "wooden door creaking and closing", "duration": 2}
+]
+
+results = batch_generate_sounds(sounds, "sound_effects/")
+```
+
+### 工作流 3：Gradio 演示
+
+```python
+import gradio as gr
+import torch
+import torchaudio
+from audiocraft.models import MusicGen
+
+model = MusicGen.get_pretrained('facebook/musicgen-small')
+
+def generate_music(prompt, duration, temperature, cfg_coef):
+    model.set_generation_params(
+        duration=duration,
+        temperature=temperature,
+        cfg_coef=cfg_coef
+    )
+
+    with torch.no_grad():
+        wav = model.generate([prompt])
+
+    # 保存到临时文件
+    path = "temp_output.wav"
+    torchaudio.save(path, wav[0].cpu(), sample_rate=32000)
+    return path
+
+demo = gr.Interface(
+    fn=generate_music,
+    inputs=[
+        gr.Textbox(label="Music Description", placeholder="upbeat electronic dance music"),
+        gr.Slider(1, 30, value=8, label="Duration (seconds)"),
+        gr.Slider(0.5, 2.0, value=1.0, label="Temperature"),
+        gr.Slider(1.0, 10.0, value=3.0, label="CFG Coefficient")
+    ],
+    outputs=gr.Audio(label="Generated Music"),
+    title="MusicGen Demo"
+)
+
+demo.launch()
+```
+
+## 性能优化
+
+### 内存优化
+
+```python
+# 使用较小的模型
+model = MusicGen.get_pretrained('facebook/musicgen-small')
+
+# 每次生成后清理缓存
+torch.cuda.empty_cache()
+
+# 生成较短的时长
+model.set_generation_params(duration=10)  # 替代 30 秒
+
+# 使用半精度
+model = model.half()
+```
+
+### 批处理效率
+
+```python
+# 一次处理多个 prompt（更高效）
+descriptions = ["prompt1", "prompt2", "prompt3", "prompt4"]
+wav = model.generate(descriptions)  # 单次批处理
+
+# 而非
+for desc in descriptions:
+    wav = model.generate([desc])  # 多次批处理（较慢）
+```
+
+### GPU 显存需求
+
+| 模型 | FP32 显存 | FP16 显存 |
+|-------|-----------|-----------|
+| musicgen-small | ~4GB | ~2GB |
+| musicgen-medium | ~8GB | ~4GB |
+| musicgen-large | ~16GB | ~8GB |
+
+## 常见问题
+
+| 问题 | 解决方案 |
+|-------|----------|
+| CUDA 显存不足 | 使用较小模型，缩短时长 |
+| 质量较差 | 提高 cfg_coef，优化 prompt |
+| 生成时长过短 | 检查最大时长设置 |
+| 音频有杂音 | 尝试不同的 temperature |
+| 立体声不生效 | 使用立体声模型变体 |
+
+## 参考资料
+
+- **[高级用法](https://github.com/NousResearch/hermes-agent/blob/main/skills/mlops/models/audiocraft/references/advanced-usage.md)** - 训练、微调、部署
+- **[故障排查](https://github.com/NousResearch/hermes-agent/blob/main/skills/mlops/models/audiocraft/references/troubleshooting.md)** - 常见问题与解决方案
+
+## 资源
+
+- **GitHub**：https://github.com/facebookresearch/audiocraft
+- **论文（MusicGen）**：https://arxiv.org/abs/2306.05284
+- **论文（AudioGen）**：https://arxiv.org/abs/2209.15352
+- **HuggingFace**：https://huggingface.co/facebook/musicgen-small
+- **演示**：https://huggingface.co/spaces/facebook/MusicGen