Stability AI 宣布釋出能以文字 描述自動生成聲音 內容的Stable Audio開源版本，並且以Stable Audio Open為稱，將可依照文字內容生成約47秒長度聲音內容。
Stable Audio Open模型 是以超過48萬筆聲音紀錄進行訓練，其中超過90%資料源自免費 聲音資料庫Freesound，同時也有部分聲音源自Free Music Archive (FMA)，並且強調所有聲音內容都事先合法取得使用許可。
至於文字內容理解部分，則是透過預先訓練的T5 (Text-to-Text Transfer Transformer)模型處理文字分析，並且產生後續相應文本內容，進而讓Stable Audio Open模型產生相應聲音內容。
透過此開源模型生成聲音內容約達47秒長度，Stability AI表示將能用於產生環境音效、模擬聲音，或是即興聲音內容，除了用於內容創作，也能用於補足所需聲音片段。
跟Stable Audio比較的話，除了可生成聲音內容長度有明顯差異，聲音內容也不會進一步將音質等細節最佳化。而Stable Audio目前已經發展至2.0版本，不僅生成聲音內容長度可達3分鐘，更可生成44.1kHz音質內容。
Stable Audio Open目前已經可透過開源模型託管平台 Hugging Face取得1.0版本。
《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》
📌 數位新聞搶鮮看！
訂閱《科技玩家》YouTube頻道！
💡 追新聞》》在Google News按下追蹤，科技玩家好文不漏接！
📢 WWDC 2026看這篇就懂！3分鐘掌握Apple最重要3大更新亮點
📢 WWDC 2026除了AI…iOS 27還有7大寶藏功能：鬧鐘音量終於獨立
📢iPhone Fold「最清楚」實機照曝光！蘋果摺疊機改護照式大小、剩1種顏色
📢 LINE免費貼圖7款！日文諧音哏「鼠咪嗎誰」必用 吉娃娃配GUCCI超迷因
📢小米空氣淨化器6開箱！過濾細菌、病毒、甲醛汙染源 過敏族殺菌高CP
📢 舊Apple Watch真的要丟了！Watch OS 27完整支援名單 連旗艦款都說掰掰
討論區