

Stable Audio Open 1.0
简介 :
Stable Audio Open 1.0是一个利用自编码器、基于T5的文本嵌入和基于变压器的扩散模型来生成长达47秒的立体声音频的AI模型。它通过文本提示生成音乐和音频,支持研究和实验,以探索生成性AI模型的当前能力。该模型在Freesound和Free Music Archive (FMA)的数据集上进行训练,确保了数据的多样性和版权合法性。
需求人群 :
该产品适合音乐制作人、音频工程师、研究人员以及任何对AI音乐生成感兴趣的个人或团队。它为艺术家提供了一个实验和创造新音乐作品的工具,同时为研究人员提供了探索和改进生成性AI模型的平台。
使用场景
音乐制作人使用该模型根据文本提示生成新的背景音乐。
研究人员利用模型来分析和改进生成性AI模型的科学状态。
音频工程师使用该模型来探索不同文本提示下的声音效果生成。
产品特色
生成长达47秒的立体声音频。
支持44.1kHz的音频采样率。
基于文本提示的音乐和音频生成。
使用自编码器压缩波形到可管理的序列长度。
基于T5的文本嵌入技术进行文本条件处理。
扩散模型在自编码器的潜在空间中操作。
使用教程
下载并安装所需的stable-audio-tools库。
使用提供的代码示例下载预训练模型。
设置文本和时间条件,定义音频的起始时间和总长度。
调用模型生成扩散条件音频。
对生成的音频进行重排、峰值归一化、剪辑、转换为int16格式,并保存为文件。
精选AI产品推荐

Deepmind Gemini
Gemini是谷歌DeepMind推出的新一代人工智能系统。它能够进行多模态推理,支持文本、图像、视频、音频和代码之间的无缝交互。Gemini在语言理解、推理、数学、编程等多个领域都超越了之前的状态,成为迄今为止最强大的AI系统之一。它有三个不同规模的版本,可满足从边缘计算到云计算的各种需求。Gemini可以广泛应用于创意设计、写作辅助、问题解答、代码生成等领域。
AI模型
11.4M
中文精选

Liblibai
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。平台提供海量免费AI创作模型,用户可以搜索使用模型进行图像、文字、音频等创作。平台还支持用户训练自己的AI模型。平台定位于广大创作者用户,致力于创造条件普惠,服务创意产业,让每个人都享有创作的乐趣。
AI模型
8.0M