Stable Audio
软件描述
Stable Audio 是由 Stability AI 开发的音乐生成产品，采用一种新颖的潜在扩散模型，可根据文本元数据和时间信息生成不同长度的音频，提供更快的推理速度以及对内容和时长的创作控制。
官方网站
访问软件的官方网站了解更多信息
www.stableaudio.com
什么是 Stable Audio?
Stable Audio 是 Stability AI 开发的一款音乐生成产品。作为首款采用最新生成式 AI 技术的同类产品，它通过简洁易用的网页界面，实现更快、更高质量的音乐与音效生成。Stability AI 提供基础免费版 Stable Audio，可生成并下载最长 45 秒的音频；另有“Pro”订阅版本，支持生成时长 90 秒且可用于商业项目的音频。
Stable Audio 非常适合希望创作音乐素材的音乐人，但创作者的应用场景几乎无限。用户只需输入描述性文本提示及期望的音频长度，系统即可生成相应音频。例如，输入“后摇滚，吉他，鼓组，贝斯，弦乐，振奋人心，鼓舞人心，忧郁，流畅，原始，史诗感，情感丰富，125 BPM”，并请求生成一段 95 秒的音频。
使用扩散模型生成音频的主要问题在于，这类模型通常被训练为生成固定尺寸的输出。例如，一个音频扩散模型可能仅在 30 秒音频片段上进行训练，因此只能以 30 秒为单位生成音频。当需要处理长度差异极大的音频（如完整歌曲）时，这一限制尤为明显。
音频扩散模型通常基于较长音频文件中随机截取的片段进行训练，这些片段会被裁剪或填充至模型训练所需长度。在音乐生成场景下，这会导致模型倾向于生成歌曲中的任意片段，可能从乐句中间开始或结束。
我们推出了 Stable Audio，一种基于文本元数据、音频时长和起始时间进行条件控制的潜在扩散模型架构，可精确控制生成音频的内容与长度。这种额外的时间条件机制使我们能够生成指定长度的音频，最大可达训练窗口大小。
通过使用高度下采样的音频潜在表示，推理速度远超原始音频。结合最新的扩散采样技术，我们的旗舰模型 Stable Audio 在 NVIDIA A100 GPU 上可在不到一秒内完成 95 秒立体声、44.1 kHz 采样率音频的渲染。
🔄 替代方案
46 个选择
Aimi Sync
自动分析任意视频，通过简单的网页应用生成无版权、完美同步的背景音乐——还可选AI配音。无需编辑，无需担心授权问题，只需上传即可使用。
推出荣获2023年CES与2024年GDA奖项的MixAudio，这是一款多模态AI音乐生成器——您快速便捷的音乐创作解决方案。通过文本、图像和音频输入您的创意，即可在数秒内获得四首量身定制的曲目！
使用流行艺人声音模型（如 Juice WRLD、Drake、Kanye West 和 Travis Scott）生成AI音乐翻唱，自定义音轨。享受免费初始音轨创作、友好操作平台、分享功能，以及在 TikTok 和 YouTube 上广受欢迎的热门翻唱。
Musicfy 是一款人工智能驱动的工具，用户只需几秒钟即可创建自己喜爱歌曲的翻唱版本。该工具提供了一个包含众多热门歌曲的音乐库，涵盖Ariana Grande、Eminem、Drake等多位艺术家的作品。
Musicful
Musicful 是一个由人工智能驱动的平台，可通过文本、歌词或音频输入，让您即时创建、发现并自定义免版税音乐。