Riffusion是一个利用人工智能生成音乐的工具，它可以根据用户输入的任何文本，创作出相应的音乐片段。它的原理是将文本转换成声音的图像，也就是频谱图，然后再将频谱图转换成音频。Riffusion是基于Stable Diffusion，一个开源的文本到图像的模型，对频谱图进行微调的结果。生成的音乐风格多样，有时候甚至有点超现实，但并不打算取代人类的音乐创作。

Riffusion是Seth Forsgren和Hayk Martiros两位爱好音乐的朋友的业余项目，他们于2022年12月15日发布了Riffusion的模型和代码，并提供了一个网页应用，让任何人都可以免费体验Riffusion的魅力。

• 它可以根据用户输入的任何文本，生成相应的音乐片段，无论是歌词、诗句、故事、情感还是其他主题。
• 它使用声音的图像，也就是频谱图，而不是音频来创作音乐，这使得它能够更好地捕捉声音的细节和变化。
• 它是基于Stable Diffusion，一个开源的文本到图像的模型，对频谱图进行微调的结果，这使得它能够利用已有的技术和数据。
• 它的音乐风格多样，有时候甚至有点超现实，但并不打算取代人类的音乐创作，而是提供一个新的音乐探索和创意的工具。

该工具使用起来非常简单，首先我们先进入riffusion的官网。

然后在输入框中输入您想要的文本提示，比如“funk bassline with a jazzy saxophone solo”，然后点击“Generate”按钮，就可以看到生成的频谱图，并听到生成的音频。您还可以点击“Similar”按钮，生成类似的音乐片段，或者点击“Download”按钮，下载生成的音频文件。