StableAudio:音频生成技术的新时代

新知榜官方账号

2023-09-24 16:04:31

StableAudio:音频生成技术的新时代

StabilityAI推出了一项突破性技术——StableAudio,标志着音频生成领域的重大进步。这种创新的解决方案解决了从简单的文本提示创建自定义音频剪辑的挑战。虽然StabilityAI因其文本到图像生成技术StableDiffusion而闻名,但现在它已将其专业知识扩展到音乐和音频领域。

这一发展是在他们通过引入稳定扩散的SDXL基础模型成功进军图像合成领域之后推出的。到目前为止,可以通过“符号生成”技术(通常涉及MIDI文件)生成基本音轨。然而,稳定音频超越了这一点,它使用户能够创作全新的音乐作品,摆脱通常与MIDI和符号生成相关的重复音符的限制。这一成就归功于该模型与原始音频样本的直接交互,从而实现了卓越的输出质量。

该模型的训练包含来自AudioSparks库的超过800,000首授权音乐,有助于其稳健的性能。这个丰富的数据集可确保高质量的音频并提供全面的元数据,这是基于文本的模型的关键因素。与可以模仿特定艺术家风格的图像生成模型不同,StableAudio并不试图模仿披头士乐队等标志性乐队。这种深思熟虑的选择源于这样的理解:音乐家寻求在不受严格风格限制的情况下开始他们的创作之旅。相反,稳定音频使用户能够探索他们独特的音乐表达方式。

稳定音频模型是一种具有约12亿个参数的扩散模型,可与原始稳定扩散模型在图像生成方面相媲美。文本提示是生成音频不可或缺的一部分,由StabilityAI使用对比语言音频预训练(CLAP)技术精心开发和训练。为了帮助用户制作有效的提示,StabilityAI在StableAudio发布的同时发布了提示指南。

StableAudio将通过免费版本和每月12美元的Pro计划提供。免费版本允许最多20个月生成一次,每次生成最多20秒的曲目。相比之下,Pro版本提高了这些限制,可生成500代,并将轨道持续时间延长至90秒。

总之,StabilityAI发布的StableAudio预示着音频生成技术的新时代。该公司提供了一个无缝平台,利用先进的人工智能技术将文本提示转换为原始音频剪辑。这项创新拓展了创意表达的视野,并展示了人工智能驱动的音乐和音频制作解决方案的潜力。凭借其平易近人的定价等级,StableAudio有望成为有抱负的专业音频创作者的宝贵工具。

本页网址:https://www.xinzhibang.net/article_detail-13385.html

寻求报道,请 点击这里 微信扫码咨询

关键词

StableAudio 音频生成 人工智能

分享至微信: 微信扫码阅读

相关工具

相关文章

相关快讯