MusiConGen est un modèle de génération de musique à partir de texte basé sur Transformer. Il améliore le contrôle du rythme et des accords grâce à un conditionnement temporel. Ce modèle est adapté à partir du framework MusicGen-melody pré-entraîné. Il utilise une représentation symbolique des accords et du rythme, combinée à des descriptions textuelles de cinq styles différents pour générer des échantillons. Les accords des échantillons générés sont estimés à l'aide du modèle d'identification d'accords BTC, comme décrit dans l'article.