Stability AI发布AI音频模型Stable Audio Open 文本生成鼓点乐器音效
StabilityAI推出StableAudioOpen1 0，专门用于生成鼓点、乐器乐段及环境音效等短音频片段，时长最长47秒。该模型遵循非商业研究社区协议开源，允许用户进行微调，训练数据源自FreeSound及免费音乐档案，确保不含版权材料，可用于研究和创作。
Stability AI 于今日正式发布 Stable Audio Open 1.0，这是其在音频生成 AI 领域的最新重要成果。提及 Stability AI，人们更熟悉其“稳定扩散”文本到图像生成技术，不过音频生成同样是其产品线的重要组成部分。去年首次推出 Stable Audio 时，便令众多音频创作者印象深刻；而近期升级的 Stable Audio 2.0，在生成音频的清晰度与时长方面又有了显著提升。
与完整版 Stable Audio 不同（后者适用于一般商业用途，可生成最长3分钟的音频），Stable Audio Open 的应用场景更为专注。其核心定位在于生成短音效片段，而非完整歌曲。换言之，若你需要快速获取鼓点、乐器乐句或环境音效，Stable Audio Open 将是更精准的选择。
如其名称中的“Open”所示，这是一个开放模型——尽管并非严格意义上的开源。Stability AI 依据其非商业研究社区协议许可证提供该模型，允许开放访问，但对模型的使用操作施加了限制。这意味着研究人员与爱好者可免费体验，但若打算用于商业项目，则需留意边界。
Stability AI 音频研究主管 Zach Evans 在发布时表示：“推出 Stable Audio Open 旨在让音频研究人员与制作人能够亲身使用我们的生成音频模型，从而加速这些卓越新工具的研究、采纳与创造性应用。” 这一举措务实——先让社区实践，再谋后续发展。
Stable Audio Open 是什么？——专为音乐制作与声音设计优化的AI音频生成模型
简单来说，Stable Audio Open 是一款专为音乐制作与声音设计优化的AI音频模型，擅长生成鼓点、乐器乐段、环境声音等音频样本。与商业版 Stable Audio 相比，其生成的音频长度为47秒，但质量表现优异。值得一提的是，Stability AI 在训练该模型时采取了负责任的数据策略——数据来源于 FreeSound 和免费音乐档案，未使用受版权保护或专有材料。这对于关注版权问题的创作者而言，无疑是一颗定心丸。
用户可对 Stable Audio Open 进行微调：实现个性化音频生成
该模型另一大亮点在于：用户可根据自己的自定义音频数据进行微调。例如，鼓手可用自己录制的鼓声样本微调模型，生成具有个人风格的全新节拍。这种个性化调校能力在实际创作中极具实用性。
实现微调需借助 Stable Audio 工具库，该工具库本身采用了实际开源许可证。模型权重已同步上线 Hugging Face，方便用户直接下载使用。Evans 在采访中透露，音频研究团队持续致力于提升生成音频模型的质量与可控性，未来还将继续发布商业与开放模型，以反映研究进展。可以预见，音频生成 AI 的赛道将愈发热闹。
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：Stability AI发布AI音频模型Stable Audio Open 文本生成鼓点乐器音效要求：
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。
相关热点通义千问系列模型升级至Qwen2，涵盖0 5B至72B共五个尺寸，全部标配分组查询注意力机制，上下文长度最高支持128Ktokens。新增27种语言训练数据，在代码、数学等能力上显著提升，Qwen2-72B超越Llama-3-70B等顶尖开源模型。
腾讯发布混元文生图大模型加速库，生图时间缩短75%，支持ComfyUI界面与HuggingFace三行调用。作为业内首个中文原生DiT架构开源模型，支持中英双语输入，最低11GB显存。
BestyAI全天候智能聊天助手，随时陪伴、建议与倾听。可智能回答天气、旅行攻略、烹饪技巧等问题，对话流畅，支持多语言，安全可靠。提供温暖交流与实用信息，让您随时随地获得帮助。
- 日榜
- 周榜
- 月榜
热点快看