6 月 6 日消息，stability ai 立足 stable diffusion 文生图模型，进一步向音频领域拓展，推出了 stable audio open，可以基于用户输入的提示词，生成高质量音频样本。
stable audio open 最长可以创建 47 秒的音乐，非常适合鼓点、乐器旋律、环境音和拟声音效，该开源模型基于 transforms 扩散模型（dit），在自动编码器的潜在空间中操作，提高生成音频的质量和多样性。
stable audio open 目前已经开源，代码网附上相关链接，感兴趣的用户可以在 huggingface 上试用。据说它使用了来自 freesound 和 free music archive 等音乐库的 486000 多种采样进行训练。
stability ai 公司表示：“虽然它可以生成简短的音乐片段，但并不适合完整的歌曲、旋律或人声”。
stable audio open 和 stable audio 2.0 不同是，前者为开源模型，专注于短音频片段和音效，而后者能够生成最长 3 分钟的完整音频。
广州警方揭新型信用卡诈骗犯罪内幕：芯片信用卡 2 分 05 秒即被“复制”
字节跳动相关人士回应“研发 AI 手机”：实为基于手机的大模型软件解决方案
苹果一出手，在手机等移动设备上部署大模型不可避免地成为行业关注焦点。然而，目前在移动设备上运行的模型相对较小（苹果的是 3B，谷歌的是 2B），并且消耗大量内存，这在很大程度上限制…
消息称 OpenAI 阿尔特曼和三星李在镕首次单独会面，讨论合作 AI 芯片
Anthropic 的 25 岁参谋长自曝因为深感 AGI，未来三年自己的工作将被 AI 取代。她在最近的一篇文章中预言了未来即将要被淘汰的工种。难道说，Claude 3 模型已经…
一句话搞定爆炸音效，ElevenLabs 推出新 AI 工具
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站仅提供信息存储服务，不拥有所有权，不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2386932994@qq.com 举报，一经查实将立刻删除。
我要评论
发表评论