Stable Audio Open是Stability AI开源的音频生成项目。
Stable Audio Open 从文本提示生成 44.1kHz 的可变长度（最多 47 秒）立体声音频。它由三个组件组成：一个自动编码器，用于将波形压缩为可管理的序列长度，一个用于文本调节的基于 T5 的文本嵌入，以及一个在自动编码器的潜在空间中运行的基于 Transformer 的扩散 （DiT） 模型。
让我们听听官方演示音频吧！
开源项目地址：https://stability-ai.github.io/stable-audio-open-demo/
模型地址：https://huggingface.co/stabilityai/stable-audio-open-1.0
微信扫描下方的二维码阅读本文
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)