Stability AI 立足 Stable Diffusion 文生圖模型，進一步向音頻領域拓展，推出了 Stable Audio Open，可以基于用戶輸入的提示詞，生成高質量音頻樣本。

　　Stable Audio Open 最長可以創建 47 秒的音樂，非常適合鼓點、樂器旋律、環境音和擬聲音效，該開源模型基于 transforms 擴散模型(DiT)，在自動編碼器的潛在空間中操作，提高生成音頻的質量和多樣性。

　　Stable Audio Open 目前已經開源，IT之家附上相關鏈接，感興趣的用戶可以在 HuggingFace 上試用。據說它使用了來自 FreeSound 和 Free Music Archive 等音樂庫的 486000 多種采樣進行訓練。

　　Stability AI 公司表示：“雖然它可以生成簡短的音樂片段，但并不適合完整的歌曲、旋律或人聲”。

　　Stable Audio Open 和 Stable Audio 2.0不同是，前者為開源模型，專注于短音頻片段和音效，而后者能夠生成最長 3 分鐘的完整音頻。