O MusicLM é um modelo que gera música de alta fidelidade com base em descrições de texto. Ele pode gerar áudio em 24 kHz, com o estilo musical alinhado à descrição de texto, e suporta geração condicional com base em melodias. Utilizando o conjunto de dados MusicCaps, o modelo supera sistemas anteriores em qualidade de áudio e consistência com a descrição textual. O MusicLM pode ser aplicado em diferentes cenários, como gerar trechos musicais ou música com base na descrição de uma obra de arte.