Stable Audio 3发布实现长音频秒级生成
StabilityAI发布新一代音频大模型StableAudio3，并开源部分权重。该模型支持高品质立体声输出与可变长度音频生成，引入基于内补成像的编辑功能。其采用variable-length技术，能根据时长动态调整算力，实现高效渲染，例如20秒音频生成仅需约0 62秒。模型提供从轻量到重量级多种规格，覆盖音乐创作与专业音效等场景。
音频生成技术正迎来关键性突破。全球领先的AI公司Stability AI正式发布其新一代音频生成模型Stable Audio 3，并宣布开源部分模型权重。这款基于潜扩散架构的AI音频模型，专为高品质音乐生成与精细化音频编辑而设计，不仅能够输出专业级的立体声音频，更在生成效率上实现了质的飞跃。
此次发布的模型系列覆盖了从轻量级到重量级的多种规格，能够满足从个人音乐创作到专业影视音效制作等广泛需求。其核心技术优势在于支持可变时长音频生成，并创新性地集成了基于内补成像的音频编辑功能，为音频创作者提供了前所未有的灵活性与控制力。
超高效率实现即时渲染
生成效率是Stable Audio 3的核心升级亮点。通过采用先进的variable-length（可变长度）技术，模型能够智能地根据目标音频时长动态分配计算资源，彻底解决了传统固定长度模型存在的算力浪费问题。在高端GPU上的实测数据显示，其速度表现极为出色：生成一段20秒的立体声音频仅需约0.62秒，而渲染长达380秒（超过6分钟）的完整音乐曲目，也仅需1.31秒左右。
这一速度飞跃源于其创新的三阶段模型训练流程。该流程使Stable Audio 3在推理（生成）阶段无需依赖传统的无分类器引导技术，仅通过单步前向传播即可完成高质量音频合成，用户体验接近“实时生成”。目前，其轻量版（Small）和标准版（Medium）模型权重已在Hugging Face平台开源，可供社区免费研究与使用；而性能更强大的大型（Large）模型，则将通过商业许可协议向企业用户提供。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Stable Audio 3发布实现长音频秒级生成要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点面壁智能聚焦端侧AI，不拼参数大小，而是通过知识密度提升与模型风洞技术，将大模型压缩至手机、汽车等设备。其MiniCPM以2B参数超越同期8B对手。CTO曾国洋22岁主导训练中国首个大语言模型CPM-1。端侧AI追求“默契系统”，在用户开口前预判需求，已在吉利、上汽大众等车型落地应用。
印度IT巨头HCLTech投资最高350亿卢比建设AI数据中心，容量可扩展至50MW，提供从设计到运营的端到端服务，旨在满足政府及企业日益增长的算力需求，抢占印度快速增长的数据中心市场，并推动AI基础设施布局。
小米具身机器人在汽车工厂自攻螺母上件工站实现双侧作业成功率98%，接近人工水平。同时在新工站分别达到90%成功率，从单一操作拓展至多工站协同，验证了具身智能在复杂工业环境的落地能力。
全球AI行业正迎来新的财富格局，DeepSeek创始人梁文锋凭借其公司的迅猛发展，个人财富急剧膨胀，一举超越多位硅谷知名人物，成为全球AI公司领域的新首富。以下将详细解析其身价飙升背后的关键因素及公司发展历程。 一、身价飙升至360亿美元，超越多位AI大佬 根据最新彭博亿万富豪指数，DeepSeek
- 日榜
- 周榜
- 月榜
热点快看