開源音頻模型Stable Audio Open，文本生成47秒高清音效

　　著名開源大模型平臺(tái)Stability.ai在官網(wǎng)宣布，開源最新文生音頻模型Stable Audio Open。

　　用戶通過(guò)文本就能生成最多47秒，鋼琴、笛子、鼓點(diǎn)、模擬人聲等不同類型的44.1kHz音效。

　　值得一提的是，Stable Audio Open支持?jǐn)?shù)據(jù)微調(diào)，歌手、音樂(lè)人可以讓其生成基于自己的音樂(lè)數(shù)據(jù)，例如，架子鼓手可以根據(jù)自己的鼓點(diǎn)來(lái)進(jìn)行微調(diào)。

　　根據(jù)Stability.ai介紹，Stable Audio Open使用了486，492個(gè)錄音訓(xùn)練數(shù)據(jù)，其中472，618個(gè)來(lái)自Freesound，13874個(gè)來(lái)自免費(fèi)音樂(lè)檔案館，并且所有音頻文件均根據(jù) CC0、CC BY或CC Sampling+獲得了商業(yè)許可。

　　就是說(shuō)通過(guò)Stable Audio Open生成的音效無(wú)需擔(dān)心商業(yè)化問(wèn)題，不會(huì)受到法律方面的追究。

　　「AIGC開放社區(qū)」根據(jù)其提供的在線demo體驗(yàn)了一下，在文本語(yǔ)義理解、生成音效等方面還是相當(dāng)優(yōu)秀。

　　需要注意的是，目前只支持英文提示詞，其他任何語(yǔ)言都不行，即便你使用了識(shí)別效果也是相當(dāng)?shù)牟睢?/p>

　　在生成的過(guò)程中，用戶可以對(duì)時(shí)間、擴(kuò)散步數(shù)和CFG進(jìn)行詳細(xì)控制，以達(dá)到更好的效果。例如，一首非常舒適抒情的鋼琴曲。

　　此外，Stable Audio Open目前只能用于學(xué)術(shù)研究，還無(wú)法商業(yè)化。