18+

Stable AI推出可透過文字描述生成44.1kHz規格、長度達3分鐘立體音訊的Stable Audio 2.0

推出Stable Diffusion影像生成工具的人工智慧 業者Stable AI ,近期宣布推出其新款語音 生成模型 Stable Audio 2.0,將能透過文字 產生時間長度達3分鐘的44.1kHz規格立體聲音 訊,相比先前版本僅能產生45秒明顯有大幅成長。

Stable Audio 2.0跟1.0版本一樣,都是透過AudioSparx收錄超過80萬組音訊資料進行訓練,除了可透過文字產生音訊內容,更可透過上傳參考音訊樣本,讓使用者 透過自然語言描述方式生成不同音訊內容,並且透過風格轉換工具進行後續調整。

而Stable Audio 2.0可產生音質達44.1kHz規格的立體聲音訊,同時長度更可長達3分鐘,幾乎是多數歌曲 常見長度,預期可讓更多創作者生成所需配樂、音訊內容。

目前Stable Audio 2.0已經對外免費開放使用,使用者能透過Stable AI或Google帳號登入後操作。

《原文刊登於合作媒體mashdigi,聯合新聞網獲授權轉載。》

本日熱門 本周最熱 本月最熱