Mustango是一个多模态大语言模型，专注于可控音乐生成。该模型结合潜在扩散模型、Flan-T5和音乐特征，能够将文本提示转化为高质量音乐。通过MusicBench数据集训练，Mustango在音乐匹配度、和弦匹配和节奏稳定性等方面表现出色。这一开源项目为音乐创作和研究提供了新的可能性。