最近，Stability AI 團隊推出了一款全新的開源音頻生成模型，名爲 Stable Audio Open。這款模型的特別之處在於，它能夠從文本提示生成時長可達47秒的立體聲音頻，採樣率高達44.1kHz。

image.png

產品入口：https://top.aibase.com/tool/stable-audio-open-demo

與許多當前流行的音頻生成模型不同，Stable Audio Open 的權重是開放的，這意味着任何人都可以查看、修改和擴展這個模型。這樣的設計理念不僅推動了科學研究的進展，也爲開發者提供了更多的可能性。更重要的是，這款模型只使用了獲得 Creative Commons 許可的音頻文件進行訓練，這樣不僅確保了數據的合法性，還避免了潛在的版權問題，體現了對道德數據使用的高度重視。

在技術架構方面，Stable Audio Open 採用了先進的架構，確保了文本轉音頻生成的高保真度。它可以生成高質量的立體聲音頻，這讓用戶能夠享受到清晰且真實的聲音體驗。在訓練過程中，模型接觸了多種多樣的音頻樣本，這也幫助它學習到了更豐富的音景，使得生成的音頻更加真實多樣。

此外，爲了確保新模型的表現能與行業頂尖模型相媲美，開發團隊進行了全面的性能評估。通過 FDopenl3這一關鍵評估指標，研究人員發現該模型在生成高質量音頻方面表現不俗，與業界的其他優秀模型相當。這個對比研究進一步證明了 Stable Audio Open 的優越性和實用性。

Stable Audio Open 的推出不僅關注開放性和高質量的音頻合成，還爲研究者、藝術家和開發者提供了一個重要的工具。

劃重點:

- 🎧 Stability AI發佈了Stable Audio Open，一個支持生成變長（最長47秒）、44.1kHz立體聲音頻的開源模型。

- 📝 該模型僅使用了Creative Commons許可的音頻數據進行訓練，確保數據的合法性與道德性。

- 🔍 與業界頂尖模型相比，Stable Audio Open的音頻生成質量經過驗證，具備高保真度和多樣性。