Stability AI发布Stable Audio AudioSparx 1.0 音乐模型
- 高效生成长格式音频：根据文字提示，快速生成长达95秒的44.1kHz立体声音乐和声音。
- 可变长度的音频输出：实现对生成音频的内容和长度进行精细控制，支持可变长度的音频输出。
- 立体声音频渲染：能够渲染立体声信号，提供丰富和深度的音频体验。
- 快速推理时间：在A100 GPU上仅需8秒即可生成长达95秒的立体声音频，显示出极高的计算效率。
- 结构化音乐生成：不像其他工具那样随机制作，这个工具能够根据你的文字提示，制作出有明确结构的音乐，比如有开头、中间发展和结尾，让音乐听起来更有感觉。
- 性能优于 AudioLDM2 和 MusicGen——请查看论文中的指标。
解决的问题：
提高了长格式音频的生成效率，克服了固定大小输出的限制，允许生成可变长度的音频。
通过潜在扩散模型和时间条件化，实现了对生成音频长度的精细控制，同时保持了计算效率。
论文： https://arxiv.org/abs/2402.04825
代码： https://github.com/Stability-AI/stable-audio-tools
指标： https://github.com/Stability-AI/stable-audio-metrics
演示： https://stability-ai.github.io/stable-audio-demo/
