説明
Stable Audio 3 Small SFXは、音声生成と編集のために開発されたStability AIの潜在拡散モデルのファミリーの一部です。このモデルは、効率的に可変長の音声を生成する能力を活かして、短い効果音の作成に特に適しています。このモデルは、音声をコンパクトな潜在空間に投影する新しい意味音響オートエンコーダーに基づいて動作します。このアプローチにより、音声の忠実性を維持しながら、効率的な拡散ベースの生成が可能になります。
続きを読む
このモデルは、ライセンスされたデータとクリエイティブ・コモンズデータから収集された1,278,902の音声録音からなる多様なデータセットでトレーニングされています。これには、AudioSparxからライセンスされた806,284の録音と、Freesoundからの472,618の録音が含まれており、著作権で保護されたコンテンツが含まれないように慎重にフィルタリングされています。Freesoundデータは、CC-0、CC-BY、またはCC-Sampling+ライセンスの下でライセンスされています。
Stable Audio 3 Small SFXはインペインティングをサポートしており、特定の音声ファイルの編集や短い録音の継続が可能です。この機能は、全体のトラックに影響を与えることなく、音声ファイルの特定の部分を編集したいユーザーに特に便利です。このモデルのアーキテクチャはトランスフォーマーに基づいており、テキスト条件付けのために事前トレーニングされたT5Gemmaモデルを利用しており、Gemma利用規約の下で再配布されています。
このモデルは、消費者向けハードウェアで効率的に動作するように設計されており、小型および中型の重みが一般公開されています。H200 GPUでは2秒未満、MacBook Pro M4では数秒で音声を生成できます。これにより、高品質な効果音を迅速に制作したいプロフェッショナルやアマチュアの音声クリエイターにとってアクセスしやすくなっています。
- カテゴリーAIオーディオエディター
- 料金モデル無料
- デプロイクラウド
- プラットフォームWeb
Stable Audio 3 Small SFXのハイライト
潜在拡散モデル
可変長音声生成
音声インペインティングサポート
意味音響オートエンコーダー
敵対的ポストトレーニング
消費者向けハードウェアで効率的
ライセンスされたデータとクリエイティブ・コモンズデータでトレーニング
トランスフォーマーアーキテクチャ
Stable Audio 3 Small SFXをはじめる
モデルにアクセス: Hugging Faceページを訪問
認証: ライセンス条件に同意
環境を設定: ハードウェアを準備
API経由で統合: stable-audio-3ライブラリを使用
最適化: 特定のニーズに合わせてファインチューニング
Stable Audio 3 Small SFXの使用例
- 音声生成
- 音声編集
- 音楽制作
- サウンドデザイン
- クリエイティブプロジェクト






