划重点:可生成47s音频、音效,用于声音设计的开源模型。
今天我们要聊的是一个非常有趣的话题——音频生成模型。你是否曾经想过,只需要输入一些文字,就能生成出各种独特的音频样本和声音效果?
现在,这已经成为现实了!让我们一起来了解一下 Stable Audio Open 吧。
Stable Audio Open 是一个开源的文本到音频模型,它可以根据简单的文本提示生成长达 47 秒的高质量音频数据。
这个模型经过专门的训练,非常适合用于创建鼓点、乐器即兴演奏、环境声音、拟音和其他音乐制作和声音设计所需的音频样本。
与 Stable Audio 不同的是,Stable Audio Open 专注于音频样本、声音效果和制作元素。
虽然它也可以生成短的音乐片段,但它并不是为完整的歌曲、旋律或人声而优化的。这个开源模型为声音设计的生成式人工智能提供了一个一瞥,同时也优先考虑了与创意社区一起进行负责任的开发。
这个新模型是在 FreeSound 和 Free Music Archive 的音频数据上进行训练的。这使得我们能够创建一个开放的音频模型,同时尊重创作者的权利。
如果你对 Stable Audio Open 感兴趣,那么你可以在 Hugging Face 上获取模型权重。
https://huggingface.co/stabilityai/stable-audio-open-1.0
我们鼓励声音设计师、音乐家、开发者和音频爱好者下载这个模型,探索它的功能,并提供反馈。
AI声音设计交流社群
原文
https://stability.ai/news/introducing-stable-audio-open