以下是优化后的内容，保持原来的格式：
MusicLM 通过将其转换为分层序列到序列建模任务，提出了一种新颖的条件音乐生成方法。根据他们的实验，生成的音乐在几分钟内保持一致，并以 24 kHz 生成，在音频质量和遵守文本描述方面优于以前的系统。此外，MusicLM 可以根据文本和旋律进行调节，使其能够转换口哨和哼唱的旋律以匹配文本标题中描述的风格。
为了支持进一步的研究，该团队公开发布了 MusicCaps，这是一个包含 5500 个音乐文本对的数据集，其中包含由人类专家提供的丰富文本描述。该数据集将为未来对音乐生成和分析感兴趣的研究人员提供宝贵的资源。
总体而言，MusicLM 提供了一种有前途的条件音乐生成新方法，并且与以前的系统相比，已经展示了卓越的结果。 MusicCaps的发布无疑将促进AI生成音乐领域的进一步研究和发展。
