MuVi est un cadre innovant qui génère de la musique correspondant à l'ambiance, au thème, au rythme et au tempo d'une vidéo en extrayant des caractéristiques contextuelles et temporelles de son contenu. Ce cadre introduit une approche de pré-entraînement contrastive musique-vision assurant la synchronisation périodique des phrases musicales et démontre la capacité d'apprentissage contextuel d'un générateur de musique basé sur l'appariement de flux, permettant un contrôle du style et du genre de la musique générée. MuVi affiche des performances supérieures en termes de qualité audio et de synchronisation temporelle, offrant de nouvelles solutions pour l'intégration et l'expérience immersive de contenus audiovisuels.