开源音频模型Stable Audio Open，文本生成47秒高清音效

文章预览

专注AIGC领域的专业社区，关注微软 、百度文心一言、讯飞星火等大语言模型（LLM）的发展和 应用 落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！ 6月6日，著名开源大模型平台Stability.ai在官网宣布，开源最新文生音频模型Stable Audio Open。 用户通过文本就能生成最多47秒，钢琴、笛子、鼓点、模拟人声等不同类型的44.1kHz音效。 值得一提的是，Stable Audio Open支持数据微调，歌手、音乐人可以让其生成基于自己的音乐数据，例如，架子鼓手可以根据自己的鼓点来进行微调。 开源地址：https://huggingface.co/stabilityai/stable-audio-open-1.0 在线demo：https://huggingface.co/spaces/artificialguybr/Stable-Audio-Open-Zero 根据Stability.ai介绍，Stable Audio Open使用了486,492个录音训练数据，其中 472,618 个来自Freesound，13874个来自免费音乐档案馆，并且所有音频文件均根据 CC0、CC BY或CC Samp ………………………………