Heim
Stability AI stellt „Stable Audio 3“ für die Erzeugung langer Audioinhalte in Bruchteilen einer Sekunde vor
Stability AI, ein renommiertes Unternehmen im Bereich der künstlichen Intelligenz, hat offiziell sein Audio-Großmodell der neuesten Generation, „Stable Audio3“ , veröffentlicht und gleichzeitig einen Teil der Modellgewichte als Open Source zur Verfügung gestellt. Das System wurde als latentes Diffusionsmodell speziell für die Audioerzeugung und -bearbeitung entwickelt und unterstützt nicht nur eine hochwertige Stereoausgabe, sondern erzielt auch einen bedeutenden Durchbruch bei der Erzeugungsgeschwindigkeit.
Die neu veröffentlichte Modellfamilie deckt ein breites Spektrum an Spezifikationen ab – von klein bis groß – und wird damit den vielfältigen Anforderungen wie Musikkomposition und der Produktion von Soundeffekten gerecht. Insbesondere unterstützt das Modell die Generierung von Audioinhalten variabler Länge und führt eine Audiobearbeitungsfunktion ein, die auf einer internen Bildvervollständigungstechnologie basiert, wodurch Kreativen eine beispiellose Flexibilität geboten wird.

Innovative Architektur überwindet Hardware-Einschränkungen
Stable Audio3 besteht aus zwei Kernkomponenten: einem semantisch-akustischen Autoencoder namens SAME und einem effizienten Diffusion-Transformer. Der SAME-Autoencoder erreicht ein Audio-Kompressionsverhältnis von bis zu 4096:1 – ein bahnbrechendes Design, das die Länge der latenten Sequenz erheblich verkürzt.
Dank dieses effizienten Kompressionsmechanismus kann das Modell selbst auf gewöhnlicher Consumer-Hardware lang andauernde, groß angelegte Aufgaben zur Audioerzeugung reibungslos ausführen. Dies senkt nicht nur die technischen Hürden für die Erstellung hochwertiger Audioinhalte erheblich, sondern ermöglicht auch einzelnen Kreativen die Produktion von Audio- und Videomaterial auf professionellem Niveau zu Hause.

Ultrahohe Effizienz ermöglicht sofortiges Rendering
Durch die Unterstützung der Technologie mit variabler Länge skalieren die Rechenkosten des neuen Modells dynamisch mit der vom Nutzer gewünschten Audiodauer, wodurch die durch Ansätze mit fester Länge in der Vergangenheit verursachte Verschwendung von Rechenleistung vollständig beseitigt wird. In Tests auf Hochleistungshardware kann das Modell ein 20-Sekunden-Audio in etwa 0,62 Sekunden rendern und ein 380-Sekunden-Musikstück in nur 1,31 Sekunden generieren.
Darüber hinaus ist Stable Audio3 dank eines innovativen dreistufigen Trainingsprozesses bei der Inferenz nicht mehr auf herkömmliche klassifikatorfreie Führungstechnologie angewiesen und ermöglicht so eine ultraschnelle Vorwärtsausbreitung in einem einzigen Schritt. Derzeit sind die Modellgewichte der kleinen und mittleren Modelle auf der Hugging-Face-Plattform öffentlich verfügbar, während die größere Version mit höherer Leistung im Rahmen einer kommerziellen Lizenzierung bereitgestellt wird.
Verwandter Artikel
Ctrip Business Travel stellt ein KI-Ökosystem mit 7 Branchenagenten und 17 Kernfunktionen vor
Ctrip Business Travel hat offiziell das „Ctrip Business Travel AI Ecosystem“ vorgestellt, das mithilfe großer Sprachmodelle das Reisemanagement von Unternehmen grundlegend neu gestaltet. Dieses umfass
Stripe übernimmt OpenRouter – Routing auf Basis von KI-Modellen gewinnt an Dynamik
Stripe hat die Übernahme von OpenRouter vereinbart, einer Plattform für das Routing von KI-Modellen, die Entwicklern über eine einzige Schnittstelle Zugriff auf Hunderte von Modellen bietet. Durch die
Der ehemalige OpenAI-Forscher Barrett Zoph kehrt zu Google zurück, um die Entwicklung von Gemini voranzutreiben
Barret Zoph, der zuvor aufgrund von Meinungsverschiedenheiten mit Miriam Mularati, der Geschäftsführerin von Thinking Machines Lab, überraschend das Unternehmen verlassen und zu OpenAI gewechselt war,
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Stability AI, ein renommiertes Unternehmen im Bereich der künstlichen Intelligenz, hat offiziell sein Audio-Großmodell der neuesten Generation,
Die neu veröffentlichte Modellfamilie deckt ein breites Spektrum an Spezifikationen ab – von klein bis groß – und wird damit den vielfältigen Anforderungen wie Musikkomposition und der Produktion von Soundeffekten gerecht. Insbesondere unterstützt das Modell die Generierung von Audioinhalten variabler Länge und führt eine Audiobearbeitungsfunktion ein, die auf einer internen Bildvervollständigungstechnologie basiert, wodurch Kreativen eine beispiellose Flexibilität geboten wird.

Innovative Architektur überwindet Hardware-Einschränkungen
Dank dieses effizienten Kompressionsmechanismus kann das Modell selbst auf gewöhnlicher Consumer-Hardware lang andauernde, groß angelegte Aufgaben zur Audioerzeugung reibungslos ausführen. Dies senkt nicht nur die technischen Hürden für die Erstellung hochwertiger Audioinhalte erheblich, sondern ermöglicht auch einzelnen Kreativen die Produktion von Audio- und Videomaterial auf professionellem Niveau zu Hause.

Ultrahohe Effizienz ermöglicht sofortiges Rendering
Durch die Unterstützung der Technologie mit variabler Länge skalieren die Rechenkosten des neuen Modells dynamisch mit der vom Nutzer gewünschten Audiodauer, wodurch die durch Ansätze mit fester Länge in der Vergangenheit verursachte Verschwendung von Rechenleistung vollständig beseitigt wird. In Tests auf Hochleistungshardware kann das Modell ein 20-Sekunden-Audio in etwa 0,62 Sekunden rendern und ein 380-Sekunden-Musikstück in nur 1,31 Sekunden generieren.
Darüber hinaus ist
Ctrip Business Travel stellt ein KI-Ökosystem mit 7 Branchenagenten und 17 Kernfunktionen vor
Ctrip Business Travel hat offiziell das „Ctrip Business Travel AI Ecosystem“ vorgestellt, das mithilfe großer Sprachmodelle das Reisemanagement von Unternehmen grundlegend neu gestaltet. Dieses umfass
Stripe übernimmt OpenRouter – Routing auf Basis von KI-Modellen gewinnt an Dynamik
Stripe hat die Übernahme von OpenRouter vereinbart, einer Plattform für das Routing von KI-Modellen, die Entwicklern über eine einzige Schnittstelle Zugriff auf Hunderte von Modellen bietet. Durch die
Der ehemalige OpenAI-Forscher Barrett Zoph kehrt zu Google zurück, um die Entwicklung von Gemini voranzutreiben
Barret Zoph, der zuvor aufgrund von Meinungsverschiedenheiten mit Miriam Mularati, der Geschäftsführerin von Thinking Machines Lab, überraschend das Unternehmen verlassen und zu OpenAI gewechselt war,











