Stable Audio Open

Stable Audio Open 允许任何人仅通过简单的文本提示生成长达 47 秒的高质量音频数据。其专项训练使其非常适合用于制作鼓点、乐器旋律片段、环境音效、拟音录音及其他音乐制作与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，用户可使用自己的定制音频数据对模型进行微调。例如，一名鼓手可以使用自己录制的鼓声样本进行微调，以生成新的节奏。

与 Stable Audio 的区别
Stable Audio 产品可生成长度达三分钟、具有连贯音乐结构的高质量完整曲目，并支持音频到音频生成、连贯多段式音乐创作等高级功能。
而 Stable Audio Open 则专注于音频样本、音效和制作元素。尽管它能生成简短的音乐片段，但并未针对完整歌曲、旋律或人声进行优化。该开源模型为声音设计中的生成式 AI 提供了前瞻视角，同时优先考虑负责任的发展并与创意社区协同推进。

新模型基于 Freesound 和 Free Music Archive 的音频数据进行训练，使我们在尊重创作者权益的前提下，成功打造了一款开放音频模型。