该文介绍了一种通过构建文本到音乐模型来生成新音乐的方法，通过分布式扩散模型和音频广义线性模型进行训练，解决了音乐生成过程中的数据不足、版权和抄袭等问题。通过节拍跟踪和数据增强策略，实现对训练数据的重组，生成多样化且保持风格一致的音乐。通过评估指标证明了该模型和策略能够提高生成音乐的质量、创新性和与输入文本的对应关系。

通过构建文本到音乐模型，解决了音乐生成中的数据不足、版权和抄袭问题。利用分布式扩散模型和音频广义线性模型进行训练，生成多样化且风格一致的音乐。通过节拍跟踪和数据增强策略，提高了生成音乐的质量和创新性。对比语音-音频预训练模型的评估指标，证明了音乐生成模型和拍子同步混合策略的有效性。