

Stable Audio Open 1.0
簡介 :
Stable Audio Open 1.0是一個利用自編碼器、基於T5的文本嵌入和基於變壓器的擴散模型來生成長達47秒的立體聲音頻的AI模型。它通過文本提示生成音樂和音頻,支持研究和實驗,以探索生成性AI模型的當前能力。該模型在Freesound和Free Music Archive (FMA)的數據集上進行訓練,確保了數據的多樣性和版權合法性。
需求人群 :
該產品適合音樂製作人、音頻工程師、研究人員以及任何對AI音樂生成感興趣的個人或團隊。它為藝術家提供了一個實驗和創造新音樂作品的工具,同時為研究人員提供了探索和改進生成性AI模型的平臺。
使用場景
音樂製作人使用該模型根據文本提示生成新的背景音樂。
研究人員利用模型來分析和改進生成性AI模型的科學狀態。
音頻工程師使用該模型來探索不同文本提示下的聲音效果生成。
產品特色
生成長達47秒的立體聲音頻。
支持44.1kHz的音頻採樣率。
基於文本提示的音樂和音頻生成。
使用自編碼器壓縮波形到可管理的序列長度。
基於T5的文本嵌入技術進行文本條件處理。
擴散模型在自編碼器的潛在空間中操作。
使用教程
下載並安裝所需的stable-audio-tools庫。
使用提供的代碼示例下載預訓練模型。
設置文本和時間條件,定義音頻的起始時間和總長度。
調用模型生成擴散條件音頻。
對生成的音頻進行重排、峰值歸一化、剪輯、轉換為int16格式,並保存為文件。
精選AI產品推薦

Deepmind Gemini
Gemini是谷歌DeepMind推出的新一代人工智能系統。它能夠進行多模態推理,支持文本、圖像、視頻、音頻和代碼之間的無縫交互。Gemini在語言理解、推理、數學、編程等多個領域都超越了之前的狀態,成為迄今為止最強大的AI系統之一。它有三個不同規模的版本,可滿足從邊緣計算到雲計算的各種需求。Gemini可以廣泛應用於創意設計、寫作輔助、問題解答、代碼生成等領域。
AI模型
11.4M
中文精選

Liblibai
LiblibAI是一箇中國領先的AI創作平臺,提供強大的AI創作能力,幫助創作者實現創意。平臺提供海量免費AI創作模型,用戶可以搜索使用模型進行圖像、文字、音頻等創作。平臺還支持用戶訓練自己的AI模型。平臺定位於廣大創作者用戶,致力於創造條件普惠,服務創意產業,讓每個人都享有創作的樂趣。
AI模型
8.0M