MusicLM est un modèle capable de générer de la musique haute fidélité à partir d'une description textuelle. Il produit des pistes audio à 24 kHz, dont le style musical correspond à la description textuelle fournie. Il permet également la génération conditionnelle à partir d'une mélodie. Grâce à son entraînement sur le jeu de données MusicCaps, le modèle surpasse les systèmes précédents en termes de qualité audio et de cohérence avec la description textuelle. MusicLM peut être utilisé dans divers contextes, tels que la génération de fragments musicaux ou la création de musique à partir de la description d'une œuvre picturale.