Stable Audio Open 允许任何人仅通过一个简单的文本提示，生成最高质量的音频数据，时长可达47秒。其专门的训练使其特别适用于创作鼓点、乐器旋律、环境音效、音效录制以及其他音乐制作和声音设计所需的音频样本。
此次开源发布的一个关键优势是，用户可以基于自己的定制音频数据对模型进行微调。例如，鼓手可以使用自己录制的鼓声样本对模型进行微调，从而生成新的鼓点。
它与 Stable Audio 的区别在哪里？
Stable Audio 产品能够生成长达三分钟的高质量完整乐曲，具备连贯的音乐结构，同时还支持音频到音频的生成以及连贯的多段音乐编排等高级功能。
相比之下，Stable Audio Open 专注于音频片段、音效和制作元素。虽然它可以生成短时的音乐片段，但并不适合用于完整歌曲、旋律或人声的生成。该开源模型为声音设计领域的生成式人工智能提供了初步探索，同时在推动负责任开发与创意社区合作方面优先考虑。
新模型的训练数据来自 Freesound 和 Free Music Archive 的音频数据。这使我们能够在尊重创作者权益的前提下，打造一个开源的音频模型。