MusicLM ist ein Modell, das hochqualitative Musik aus textlichen Beschreibungen erzeugt. Es arbeitet mit einer sequenziellen Modellierungstechnik und kann Musik über mehrere Minuten erzeugen. Die Ergebnisse zeigen eine überlegene Audioqualität und Texttreue im Vergleich zu anderen Systemen. Außerdem kann MusicLM auf Text und Melodien basieren, um Musik entsprechend dem Textstil zu generieren. Zu Forschungszwecken wird das Dataset MusicCaps veröffentlicht, das 5.5k Musik-Text-Paare enthält.