音乐生成方法、装置、电子设备及存储介质

本公开提供了一种音乐生成方法、装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取待转换的歌词文本和参考音频；将参考音频由原始音频空间映射到潜在空间，得到第一音频特征；基于作用在潜在空间的扩散模型，对第一音频特征执行多步加噪处理，得到噪声特征；在给定前置条件的情况下，基于扩散模型对噪声特征执行多步去噪处理，得到第二音频特征；其中，前置条件与该歌词文本和参考音频的总时长有关；将第二音频特征由潜在空间映射回原始音频空间，得到用于演唱该歌词文本的音乐作品。本公开简化了音乐生成过程中的用户输入，提高了音乐生成效率。