"A los músicos les debería encantar la música de IA. Pueden crear canciones a una velocidad 1000 veces mayor" - un tipo cuyo gusto musical se compone exclusivamente de podcasts
El texto a mp3 no es y nunca será el nivel correcto de abstracción. De hecho, creo que puedes ir tanto a niveles de abstracción 'hacia abajo' (midi, texto->muestra, etc.) como a niveles de abstracción 'hacia arriba' (por ejemplo, cambios de baile/movimiento->canción), pero el texto simplemente no es la modalidad de entrada correcta para nada serio.