MusicLM es un modelo capaz de generar música de alta fidelidad a partir de descripciones textuales. Puede generar audio a 24 kHz, manteniendo la coherencia entre el estilo musical y la descripción textual, e incluso admite la generación condicional basada en una melodía. Gracias al uso del conjunto de datos MusicCaps, el modelo supera a sistemas anteriores en cuanto a calidad de audio y coherencia con la descripción textual. MusicLM se puede aplicar a diversas situaciones, como la generación de fragmentos musicales o la creación de música basada en la descripción de una obra de arte.