Hogar
Stability AI presenta Stable Audio 3 para la generación de audio de larga duración en menos de un segundo
Stability AI, una reconocida empresa de inteligencia artificial, ha lanzado oficialmente su modelo de audio de gran escala de última generación, Stable Audio3 , y, al mismo tiempo, ha publicado en código abierto parte de los pesos del modelo. Diseñado como un modelo de difusión latente específico para la generación y edición de audio, este sistema no solo admite una salida estéreo de alta calidad, sino que también logra un avance significativo en la velocidad de generación.
La familia de modelos recién lanzada abarca una amplia gama de especificaciones, desde pequeños hasta grandes, y satisface diversas necesidades, como la creación musical y la producción de efectos de sonido. Cabe destacar que el modelo admite la generación de audio de longitud variable e introduce una función de edición de audio basada en tecnología interna de completado de imágenes, lo que ofrece a los creadores una flexibilidad sin precedentes.

Una arquitectura innovadora que supera las limitaciones del hardware
Stable Audio3 consta de dos componentes principales: un autoencoder acústico semántico denominado SAME y un transformador de difusión eficiente. El autoencoder SAME alcanza una relación de compresión de audio de hasta 4096x, un diseño revolucionario que acorta significativamente la longitud de la secuencia latente.
Gracias a este eficiente mecanismo de compresión, incluso en hardware convencional de consumo, el modelo puede ejecutar sin problemas tareas de generación de audio a gran escala y de larga duración. Esto no solo reduce significativamente las barreras técnicas para la creación de audio de alta calidad, sino que también hace posible la producción de audio y vídeo de nivel profesional en casa para los creadores individuales.

La ultraeficiencia permite un renderizado instantáneo
Gracias a la compatibilidad con la tecnología de longitud variable, el coste computacional del nuevo modelo se adapta dinámicamente a la duración de audio requerida por el usuario, eliminando por completo el desperdicio de potencia de cálculo causado por los enfoques de longitud fija del pasado. En pruebas realizadas con hardware de alto rendimiento, el modelo es capaz de renderizar un audio de 20 segundos en unos 0,62 segundos y generar una pieza musical de 380 segundos en tan solo 1,31 segundos.
Además, gracias a un innovador proceso de entrenamiento en tres etapas, Stable Audio3 ya no depende de la tecnología tradicional de orientación sin clasificador durante la inferencia, lo que permite lograr una propagación hacia adelante ultrarrápida en un solo paso. Actualmente, los pesos de los modelos pequeño y mediano están disponibles públicamente en la plataforma Hugging Face, mientras que la versión más grande, con un rendimiento superior, se ofrecerá mediante licencias comerciales.
Artículo relacionado
Ctrip Business Travel presenta un ecosistema de inteligencia artificial con 7 agentes del sector y 17 capacidades principales
Ctrip Business Travel ha presentado oficialmente el «Ecosistema de IA de Ctrip Business Travel», que aprovecha los modelos de lenguaje a gran escala para reestructurar de forma radical la gestión de l
Stripe adquirirá OpenRouter a medida que el enrutamiento basado en modelos de IA cobra impulso
Stripe ha acordado adquirir OpenRouter, una plataforma de enrutamiento de modelos de IA que ofrece a los desarrolladores acceso a cientos de modelos a través de una única interfaz. El acuerdo amplía e
El exinvestigador de OpenAI, Barrett Zoph, regresa a Google para colaborar en el desarrollo de Gemini
Barret Zoph, que anteriormente abandonó de forma repentina la empresa para incorporarse a OpenAI debido a un desacuerdo con la directora general de Thinking Machines Lab, Miriam Mularati, ha vuelto a
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Stability AI, una reconocida empresa de inteligencia artificial, ha lanzado oficialmente su modelo de audio de gran escala de última generación,
La familia de modelos recién lanzada abarca una amplia gama de especificaciones, desde pequeños hasta grandes, y satisface diversas necesidades, como la creación musical y la producción de efectos de sonido. Cabe destacar que el modelo admite la generación de audio de longitud variable e introduce una función de edición de audio basada en tecnología interna de completado de imágenes, lo que ofrece a los creadores una flexibilidad sin precedentes.

Una arquitectura innovadora que supera las limitaciones del hardware
Gracias a este eficiente mecanismo de compresión, incluso en hardware convencional de consumo, el modelo puede ejecutar sin problemas tareas de generación de audio a gran escala y de larga duración. Esto no solo reduce significativamente las barreras técnicas para la creación de audio de alta calidad, sino que también hace posible la producción de audio y vídeo de nivel profesional en casa para los creadores individuales.

La ultraeficiencia permite un renderizado instantáneo
Gracias a la compatibilidad con la tecnología de longitud variable, el coste computacional del nuevo modelo se adapta dinámicamente a la duración de audio requerida por el usuario, eliminando por completo el desperdicio de potencia de cálculo causado por los enfoques de longitud fija del pasado. En pruebas realizadas con hardware de alto rendimiento, el modelo es capaz de renderizar un audio de 20 segundos en unos 0,62 segundos y generar una pieza musical de 380 segundos en tan solo 1,31 segundos.
Además, gracias a un innovador proceso de entrenamiento en tres etapas,
Ctrip Business Travel presenta un ecosistema de inteligencia artificial con 7 agentes del sector y 17 capacidades principales
Ctrip Business Travel ha presentado oficialmente el «Ecosistema de IA de Ctrip Business Travel», que aprovecha los modelos de lenguaje a gran escala para reestructurar de forma radical la gestión de l
Stripe adquirirá OpenRouter a medida que el enrutamiento basado en modelos de IA cobra impulso
Stripe ha acordado adquirir OpenRouter, una plataforma de enrutamiento de modelos de IA que ofrece a los desarrolladores acceso a cientos de modelos a través de una única interfaz. El acuerdo amplía e
El exinvestigador de OpenAI, Barrett Zoph, regresa a Google para colaborar en el desarrollo de Gemini
Barret Zoph, que anteriormente abandonó de forma repentina la empresa para incorporarse a OpenAI debido a un desacuerdo con la directora general de Thinking Machines Lab, Miriam Mularati, ha vuelto a











