Stability AI发布table Audio 2.0，可生成3分钟44.1kHz立体声音乐

1,254 0 0

文章摘要

【关键词】 Stable Audio 2.0、AI音频生成、技术创新、创作者权利、音频创作

Stability AI 最近推出了 Stable Audio 2.0，这是一款在 AI 音频生成领域具有划时代意义的产品。Stable Audio 2.0 在前一版本的基础上进行了显著升级，引入了多项新功能，有望彻底改变艺术家和音乐家在音频内容创作与处理方面的传统方法。

主要特点

Stable Audio 2.0 的主要特点包括完整音轨生成、音频到音频生成、增强音效制作和风格转换。它能够创造长达三分钟的完整音轨，具有序曲、高潮和尾声等结构，使得音乐作品更加连贯。此外，该模型还能够将用户上传的音频样本进行转换，实现风格上的多样化，为创作者提供了广泛的听觉创意工具。在声音效果制作方面，Stable Audio 2.0 能够生成从轻微背景噪音到复杂声音景观的各种音效，这对于电影、电视、电子游戏和多媒体项目的内容创作者来说极具价值。

技术进步

技术上，Stable Audio 2.0 采用了潜在扩散模型架构，包括高度压缩的自动编码器和扩散变换器（DiT）。这种架构专为生成连贯、完整长度的音频作品而设计，能够保持对细节的精确控制。自动编码器的高效压缩技术和扩散变换器的精准捕捉能力，共同确保了音频的连贯性和音乐的完整性，同时大幅降低了计算资源的需求。

创作者权利

在创作者权利方面，Stability AI 采取了积极措施，确保了 AI 生成音频技术的道德发展和对艺术家的公平补偿。Stable Audio 2.0 的训练基于 AudioSparx 提供的许可数据集，该数据集含有超过 80 万个音频文件。Stability AI 还为数据集中的艺术家提供了选择退出机会，并与 Audible Magic 合作，使用高级内容识别系统来识别和标记潜在的侵权内容，确保了平台中使用的音频的原创性和合法性。

未来展望

Stable Audio 2.0 的推出标志着 AI 生成音频领域的一个重要里程碑，它为音乐制作、声音设计和音频生产的新领域提供了全面的工具。Stability AI 通过其先进的技术、对伦理和创作者权利的重视，正在引领音频创作的未来方向。随着这项技术的不断发展，AI 生成的音频将在创意领域扮演越来越重要的角色，推动艺术家和音乐家不断突破创作限制，重新定义声音世界的可能性。Stable Audio 2.0 不仅是技术上的飞跃，也是对音频创作生态系统的一次重要贡献，为创作者提供了前所未有的创作自由和表达方式。