今天，以穩(wěn)定擴散（Stable Diffusion）和StableLM等開源AI工具和模型而聞名的Stability AI公司推出了其首個音樂和聲音生成AI產(chǎn)品——StableAudio。音樂產(chǎn)業(yè)以其難以打入而聞名。即使您擁有才華和動力，您仍然需要創(chuàng)作和制作音樂所需的技能和資源。但如果您一點都不需要這些呢？如果您只需擁有創(chuàng)造力和一個好的AI提示就能創(chuàng)作音樂呢？

StableAudio是一種可以從零開始生成音樂的AI工具。您只需要提供一些簡單的指示，AI將完成其余工作。

官方鏈接在這里：https://stableaudio.com/

什么是StableAudio？

StableAudio是一種獨創(chuàng)性的AI工具，使用生成式AI技術來創(chuàng)作高質量的音樂和音效。要使用StableAudio，您只需提供一個描述性文本提示和所需的音頻長度。例如，您可以輸入“后搖、吉他、鼓組、貝斯、弦樂、歡愉、振奮、憂郁、流暢、原始、史詩、感傷、125 BPM”來生成一首95秒的后搖風格曲目。StableAudio非常適合希望在其音樂中創(chuàng)建樣本的音樂人。您可以用它來創(chuàng)建音效、背景音樂，甚至是您自己的原創(chuàng)作品。

自己試一試

轉到StableAudio儀表板并注冊：

StableAudio

然后，轉到“生成音樂”儀表板，開始生成您自己的音樂：

StableAudio

輸入您的提示并設置持續(xù)時間。請注意，免費訂閱的音頻最大長度為20秒。

點擊右箭頭按鈕開始音頻生成。

StableAudio

與此同時，您可以在StableAudio的“用戶指南”部分中探索提供的示例：

StableAudio

它是如何工作的

以下是StableAudio工作的一些關鍵技術細節(jié)：

StableAudio技術背景

• VAE將立體聲音頻壓縮成數(shù)據(jù)壓縮、抗噪和可逆的有損潛在編碼，使生成和訓練比直接使用原始音頻樣本更快。
• 文本編碼器用于從文本提示中提取特征。然后，使用這些特征來調節(jié)擴散模型。
• 擴散模型是一個基于U-Net的模型，使用殘差層、自注意層和交叉注意層的組合來去噪輸入并重構所需的音頻。

另一個重要的信息是，StableAudio模型使用了超過800,000個音頻文件的數(shù)據(jù)集，包括音樂、音效和單樂器音軌。這相當于超過19,500小時的音頻。

最后的想法

總的來說，我對這個新的AI工具印象深刻。音頻的質量與由人類專業(yè)人員創(chuàng)造的音頻相媲美。StableAudio是一個改變游戲規(guī)則的工具，它可能會顛覆整個音樂和音效行業(yè)。