開源音頻模型Stable Audio Open，文本生成47秒高清音效
6月6日，著名開源大模型平臺Stability.ai在官網(wǎng)宣布，開源最新文生音頻模型Stable Audio Open。
用戶通過文本就能生成最多47秒，鋼琴、笛子、鼓點、模擬人聲等不同類型的44.1kHz音效。
值得一提的是，Stable Audio Open支持數(shù)據(jù)微調(diào)，歌手、音樂人可以讓其生成基于自己的音樂數(shù)據(jù)，例如，架子鼓手可以根據(jù)自己的鼓點來進行微調(diào)。
開源地址：https://huggingface.co/stabilityai/stable-audio-open-1.0
在線demo：https://huggingface.co/spaces/artificialguybr/Stable-Audio-Open-Zero
根據(jù)Stability.ai介紹，Stable Audio Open使用了486,492個錄音訓練數(shù)據(jù)，其中 472,618 個來自Freesound，13874個來自免費音樂檔案館，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。
就是說通過Stable Audio Open生成的音效無需擔心商業(yè)化問題，不會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體驗了一下，在文本語義理解、生成音效等方面還是相當優(yōu)秀。
需要注意的是，目前只支持英文提示詞，其他任何語言都不行，即便你使用了識別效果也是相當?shù)牟睢?/p>
在生成的過程中，用戶可以對時間、擴散步數(shù)和CFG進行詳細控制，以達到更好的效果。例如，一首非常舒適抒情的鋼琴曲。
本文轉(zhuǎn)自 AIGC開放社區(qū)，作者：AIGC開放社區(qū)
