跳到正文

Stable Audio Open 1.0

用文本提示生成立体声音频

访问官网

Stable Audio Open 1.0 是什么

该模型被介绍为通过文本提示生成可变长度立体声音频、用于研究与实验的 AI 模型。

你可以用它做什么

  • 由提示生成立体声音乐
  • 设置起始时间与总长度
  • 以 44.1 kHz 采样率工作

工作方式

  • 先安装 stable-audio-tools 库
  • 定义文本与时间条件
  • 由扩散模型生成音频

优点与缺点

✓ 我们认可的地方

  • 文本条件处理基于 T5 嵌入
  • 扩散模型在潜在空间中运行

! 需要留意的地方

  • 运行前需安装 stable-audio-tools 库
  • 生成前要设置文本与时间条件

常见问题

音频最长多久?

资料说明可生成最长 47 秒的立体声音频。

用了哪些数据?

资料提到 Freesound 和 Free Music Archive 两个数据集。

最后评测: 2026-11-15

更多 AI 音乐创作 工具

查看全部 →

评测方法