一个让文本模型生成音乐的想法

可行，生成简谱五线谱，你需要设计一个数据交换标准喂给它

否则它生成出来的文本你没法有效转成音乐

甚至可以 computer use 让它操作 xstudio 直接写歌写曲

网易的，直接能生成歌声乐器声

其实已经有了，甚至有生成乐谱，然后用音乐模型演奏出来的，参考 yue2

生成 midi 格式，直接 web audio 或找一个 SF2 音色包来快速演奏调试。

并且文本模型甚至可以直接合成人的发声，opus 对声谱图的造化很高，手搓 .wav。前天脑洞大开，让他不准用扩散模型，给我说"伊苏尔德"、“痛，太痛了!”

不用那么麻烦，直接让agent搓midi就行了

可以，compute use能直接操作宿主进行编曲，或者让agent直接生成midi

不过让llm通过mcp直接连接宿主或者干脆是编曲harness这类形态还没怎么见过（不好用^-^）