Stability AI、オープン音響モデル「Stable Audio Open」の論文を公開
Stability AIはテキストから音声を生成するオープンモデル「Stable Audio Open」の論文を公開した。約50万件のクリエイティブ・コモンズ音源で学習され、民生向けGPUで最長47秒・44.1kHzのステレオ音響を生成可能。モデルの重みはHugging Faceで公開中。
Stable Audio 2.0
Stable Audio 2.0登場、最長3分の楽曲生成やAudio-to-Audioに対応
Stable Audio 2.0が発表された。テキストプロンプトから最長3分、44.1kHzステレオの構成整った楽曲を生成できる。Diffusion Transformerの採用で楽曲構造の再現性が高まり、音源をアップロードして音色やスタイルを変換するAudio-to-Audioにも対応。公式サイトで無料体験できる。