要點:

• 位于倫敦的初創公司Stability AI推出了Stable Audio，這是一個使用人工智能從簡單的文本輸入生成自定義音樂曲目和音效的工具，具備在較長時間內生成專業音頻的能力。

• Stable Audio的優勢在于其能夠以多種流派生成音樂作品，提供用戶友好的基于瀏覽器的界面，面向需要快速背景音樂的創意專業人士。

• 該系統在由AudioSparx提供的大型音樂庫上進行了訓練，而在訓練中使用的歌曲的創作者則通過AudioSparx分享了Stable Audio的利潤，盡管仍存在有關潛在內容抄襲和版權問題的擔憂。

微新創想（idea2003.com）9月14日 消息:總部位于倫敦的初創公司 Stability AI 于周三推出了一款名為 Stable Audio 的新產品，該產品利用人工智能生成定制音樂曲目和音效。

Stable Audio 使用一種基于擴散的 AI 模型，可以在幾秒鐘內從簡單的文本輸入生成定制音頻文件。用戶可以指定音樂風格、樂器、音調和其他特征，系統然后自動創作出相匹配的歌曲、音效或樂器聲部。

Stability AI 使用輸入文本進行了測試，如“后搖滾、吉他、鼓套、低音、弦樂、歡快、振奮、情緒化、流暢、原始、史詩、多愁善感、125BPM”。結果是一首快速的大氣搖滾歌曲，BPM 為125。根據 Stability 的說法，這表明 Stable Audio 可以生成多種風格的歌曲，包括氛圍音樂、技術音樂和電子舞曲。

與以往基于人工智能的音樂生成器不同，Stable Audio 似乎能夠以長達90秒的時間生成音樂上連貫的作品，并且以44.1kHz 的專業音頻質量。

生成的樣本音頻聽起來非常真實，幾乎不會讓人懷疑背后沒有人類作曲家。根據 Stability AI 的說法，使用 Nvidia A100GPU，95秒音頻可以在不到一秒鐘內生成。

這種技術有潛力在各種應用中發揮作用，特別是在電影制作和游戲開發等創意領域。通過網絡瀏覽器可以訪問，即使對人工智能不熟悉的用戶也能輕松使用。

為了實現這種質量，Stability AI 對音樂庫進行了培訓，音樂庫由 AudioSparx 提供。通過使用約80萬首歌曲、音效和樂器片段，AudioSparx 與 Stability AI 合作，并承諾將音樂庫的收入份額提供給初創公司 Stability Audio。作為回報，參與培訓的歌曲的創作者可以通過 AudioSparx 分享 Stable Audio 的利潤。

據稱，在培訓之前，這些創作人被問及是否愿意提供他們的歌曲。這個決定可能是對 Stability 在 Stable Diffusion 的培訓素材涉及版權辯論中所面臨的大規模反對的回應。

根據 Stability AI 的說法，用戶可以免費將使用 Stable Audio 創建的音軌用于個人用途。商業用途需要付費訂閱。該公司的目標是創意專業人士，如電影制片人或游戲開發人員，他們需要快速獲得合適的背景音樂。

Stability AI 還計劃發布一個基于不同數據集訓練的開源音樂模型。

Stable Audio 不同于 Stable Diffusion，因為它不是開源的，不像流行的圖像模型那樣。然而，FAQ 中表示，將很快發布一個基于其他數據集訓練的開源模型。

Stable Audio 的基礎是文本到音樂的模型 Dance Diffusion，該模型是在2022年由 Harmonai 發布的，并得到了 Stability 的支持。然而，Stable Audio 是 Stability AI 音頻部門從零開始開發的模型，該部門成立于2022年4月。

對音樂使用擴散模型并不是一個新的想法。然而，Stable Audio 的強大之處在于它能夠以不同長度生成作品，訓練過程中考慮到了這一點。

Stability AI 是這樣解釋底層技術的:

• Stable Audio 是一個潛在擴散模型，由幾個部分組成:變分自動編碼器 （VAE）、文本編碼器和基于 U-net 的擴散模型。
• VAE 將立體聲音頻壓縮為有損、抗噪聲和可逆的潛在編碼，從而實現更快的生成和訓練。
• 新訓練的 CLAP 模型的凍結文本編碼器用于文本提示。
• 定時嵌入在訓練期間計算并用于控制輸出音頻長度。
• Stable Audio 的擴散模型是基于 Mo?sai 模型的9.07億參數 U 網。

您可以通過最近推出的網絡界面專門使用穩定音頻。每月有20首時長不超過45秒的歌曲免費供個人使用。每月只需11.99美元，即可獲得500首歌曲，播放時間長達90秒，并獲得商業許可。

沒有內容過濾器很容易導致抄襲

該工具還可以用來偽造流行藝術家的歌曲。到目前為止，唱片公司已經能夠成功地對抗此類人工智能創作，但法律狀況仍不清楚。

Stability AI 本身在接受 Techcrunch 采訪時堅稱，它希望負責任地使用該技術。AudioSparx 的數據庫不包含流行歌曲，但許多歌曲都以知名藝術家的風格進行標記。與谷歌的 MusicLM不同，著名藝術家的名字不會被屏蔽，至少目前還沒有。

Stable Audio 能否為 Stability AI 的商業模式帶來回報還有待觀察，該商業模式迄今為止一直處于虧損狀態。無論如何，人工智能作品的令人印象深刻的質量讓你刮目相看。