Stability AI推出Stable Audio Open：开源音频生成模型，支持生成47秒立体声音频

摘要

Stability AI团队最近推出了一款全新的开源音频生成模型，名为Stable Audio Open。这款模型能够从文本提示生成时长可达47秒的立体声音频，采样率高达44.1kHz。与许多当前流行的音频生成模型不同，Stable Audio Open的权重是开放的，任何人都可以查看、修改和扩展这个模型。模型使用获得Creative Commons许可的音频文件进行训练，确保了数据的合法性和道德性。

主要特点

1. 高保真度：生成的音频具有高保真度，用户能够享受到清晰且真实的声音体验。
2. 开放性：权重开放，支持查看、修改和扩展，推动科学研究和开发。
3. 合法数据使用：只使用Creative Commons许可的音频数据进行训练，确保数据合法性和道德性。

技术优势

1. 多样性：接触多种多样的音频样本，生成的音频更加真实多样。
2. 性能评估：通过FDopenl3评估指标，证明其在生成高质量音频方面表现出色。
3. 高质量音频：生成高质量的立体声音频，表现不俗，与业界顶尖模型相当。

相关链接

– 体验地址