著名開源大模型平臺Stability.ai在官網宣布，開源最新文生音頻模型Stable Audio Open。

　　用戶通過文本就能生成最多47秒，鋼琴、笛子、鼓點、模擬人聲等不同類型的44.1kHz音效。

　　值得一提的是，Stable Audio Open支持數據微調，歌手、音樂人可以讓其生成基于自己的音樂數據，例如，架子鼓手可以根據自己的鼓點來進行微調。

　　根據Stability.ai介紹，Stable Audio Open使用了486，492個錄音訓練數據，其中472，618個來自Freesound，13874個來自免費音樂檔案館，并且所有音頻文件均根據 CC0、CC BY或CC Sampling+獲得了商業許可。

　　就是說通過Stable Audio Open生成的音效無需擔心商業化問題，不會受到法律方面的追究。

　　「AIGC開放社區」根據其提供的在線demo體驗了一下，在文本語義理解、生成音效等方面還是相當優秀。

　　需要注意的是，目前只支持英文提示詞，其他任何語言都不行，即便你使用了識別效果也是相當的差。

　　在生成的過程中，用戶可以對時間、擴散步數和CFG進行詳細控制，以達到更好的效果。例如，一首非常舒適抒情的鋼琴曲。

　　此外，Stable Audio Open目前只能用于學術研究，還無法商業化。