Stable Audio Open

主要特点

• ：以 44.1kHz 生成立体声音频，最长可达 47 秒。
• 可在 Hugging Face 上供社区使用。
• 利用自动编码器、基于 T5 的文本嵌入和基于变压器的扩散模型。
• 在来自 Freesound 和 Free Music 的近 500,000 个录音上进行训练存档。
• ：适用于声音设计、环境声音、样本创作、音频品牌推广和学术项目。
• ：可在消费级 GPU 上高效运行，例如用于本地训练的 A6000 GPU。
• ：可进行微调以满足各个行业和创意项目的特定需求。