论文地址:https://arxiv.org/abs/2309.14030v3
论文地址:https://aclanthology.org/2023.findings-emnlp.157.pdf
论文地址:https://arxiv.org/pdf/2312.08914.pdf
据悉，M2UGen采用了创新的方法，生成了大规模的多模态音乐指导数据集，用于训练模型。这包括MU-LLaMA模型生成的1.2k多小时音乐字幕数据集。模型结合了MU-LLaMA、BLIP图像字幕模型、MPT-7B-Chat模型以及VideoMAE字幕模型，以在各个领域生成对应的指导。
不仅如此，黄仁勋还被英国媒体《经济学人》评为了年度最佳CEO”，而且黄仁勋太受员工喜爱了，员工对其的支持率达到了98%。