描述
稳定音频 3 小型音效是由 Stability AI 开发的一系列潜在扩散模型的一部分,专门用于音频生成和编辑。该模型特别适合创建短音效,利用其高效生成可变长度音频的能力。该模型基于一种新颖的语义-声学自编码器,将音频投影到紧凑的潜在空间中。这种方法确保了基于扩散的高效生成,同时保持音频的保真度并鼓励语义结构。
阅读更多
该模型在一个多样化的数据集上进行训练,包含 1,278,902 个音频录音,来源于授权和创作共享数据。其中包括 806,284 个来自 AudioSparx 的授权录音和 472,618 个来自 Freesound 的录音,经过仔细筛选以确保不包含任何受版权保护的内容。Freesound 数据在 CC-0、CC-BY 或 CC-Sampling+ 许可证下授权。
稳定音频 3 小型音效支持修补,允许针对性地编辑音频并延续短录音。此功能对于希望编辑音频文件特定部分而不影响整个轨道的用户特别有用。该模型的架构基于变换器,并利用预训练的 T5Gemma 模型进行文本条件化,该模型根据 Gemma 使用条款进行再分发。
该模型设计为在消费级硬件上高效运行,已发布小型和中型权重供公众使用。在 H200 GPU 上生成音频的时间少于两秒,而在 MacBook Pro M4 上仅需几秒钟。这使得专业和业余音频创作者都能快速制作高质量的音效。
- 类别AI 音频编辑器
- 定价模式免费
- 部署云端
- 平台网页版
稳定音频 3 小型音效亮点
潜在扩散模型
可变长度音频生成
音频修补支持
语义-声学自编码器
对抗后训练
在消费级硬件上高效
在授权和创作共享数据上训练
变换器架构
稳定音频 3 小型音效入门
访问模型:访问 Hugging Face 页面
认证:同意许可条款
设置环境:准备硬件
通过 API 集成:使用 stable-audio-3 库
优化:根据特定需求进行微调
稳定音频 3 小型音效的使用案例
- 音频生成
- 音频编辑
- 音乐制作
- 声音设计
- 创意项目






