Updated on 六月 6 2024
最近，Stability AI推出了一个开创性的开源AI模型——Stable Audio Open，将其知名的Stable Diffusion文本到图像技术扩展到了音频领域。该模型能够根据用户提供的提示生成高质量、多样化的音频样本，为音乐创作和声音设计注入新的活力。
Stable Audio Open采用基于变换器的扩散模型（DiT），在自编码器的潜在空间内创建音频，显著提升生成声音的质量和多样性。它可以生成最长达47秒的音乐片段，非常适合用于鼓点、器乐旋律、环境音效和各种音效的制作。
该模型现已在HuggingFace平台上正式开源，用户可以直接体验。Stable Audio Open在训练过程中使用了来自FreeSound和Free Music Archive的超过486,000个样本，确保生成音频在风格和类型上具有广泛的覆盖。
需要注意的是，虽然Stable Audio Open在生成高质量短音乐片段方面表现出色，但它并不适合创建完整的歌曲、旋律或人声轨道。该模型旨在作为一个快速而多功能的音频创作工具，而非专业音乐制作软件的替代品。
此外，Stable Audio Open与Stability AI之前的商业模型Stable Audio 2.0有所不同，后者可以生成最长3分钟的完整音频轨道，以满足更广泛的音频创作需求。相比之下，Stable Audio Open专注于短音频片段和音效，为用户提供更大的自定义和灵活性。
Stable Audio Open的发布标志着Stability AI在音频生成领域的一项重要进展。随着人工智能技术的不断发展，我们期待看到更多创新和实用的音频生成模型及其应用。
Find AI tools in YBX
本周科技巨头财报电话会议聚焦各家公司在AI领域的进展。Meta的CEO扎克伯格强调了开源战略和计算基础设施建设，计划年底部署约350,000个H100 GPU，数据来源于Facebook和Instagram的用户互动，Meta准备在AI领域大规模投资。
排行榜
