【有卡有網(wǎng)】 6 月 7 日消息，Stability AI 依托 Stable Diffusion 模型，成功擴(kuò)展到音頻領(lǐng)域，推出Stable Audio Open，該K AI 開源模型僅需用戶輸入提示詞，即可生成高品質(zhì)的音頻樣本。

Stable Audio Open 能夠生成最長 47 秒的音樂，適用于鼓點(diǎn)、樂器旋律、環(huán)境音及擬聲等音效制作。這款開源模型基于 transforms 擴(kuò)散模型(DiT)，在自動編碼器的潛在空間中精細(xì)操作，從而提升生成音頻的質(zhì)量和多樣性。