6 月 6 日消息,Stability AI 立足 Stable Diffusion 文生图模型,进一步向音频领域拓展,推出了 Stable Audio Open,可以基于用户输入的提示词,生成高质量音频样本。
Stable Audio Open 最长可以创建 47 秒的音乐,非常适合鼓点、乐器旋律、环境音和拟声音效,该开源模型基于 transforms 扩散模型(DiT),在自动编码器的潜在空间中操作,提高生成音频的质量和多样性。
Stable Audio Open 目前已经开源,附上相关链接,感兴趣的用户可以在 HuggingFace 上试用。据说它使用了来自 FreeSound 和 Free Music Archive 等音乐库的 486000 多种采样进行训练。
Stability AI 公司表示:“虽然它可以生成简短的音乐片段,但并不适合完整的歌曲、旋律或人声”。
Stable Audio Open 和 Stable Audio 2.0 不同是,前者为开源模型,专注于短音频片段和音效,而后者能够生成最长 3 分钟的完整音频。
相关阅读:
《Stable Audio 2.0 发布:生成最长 3 分钟音频,能帮音乐家补全创意作品》
《Stability AI 推出 Stable Audio,基于文本生成最长 90 秒音频》
本文链接:http://www.28at.com/showinfo-45-4537-0.htmlStable Audio Open 开源 AI 模型发布:48.6 万个样本训练,可创建 47 秒短音频 音效等
声明:本网页内容旨在传播知识,若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。邮件:2376512515@qq.com
上一篇: 五粮液浓香酒:劳动节送礼的精致艺术