Maison
Stability AI dévoile « Stable Audio 3 », un outil permettant de générer des fichiers audio de plusieurs secondes en moins d'une seconde
Stability AI, une entreprise de renommée dans le domaine de l’intelligence artificielle, a officiellement lancé sa dernière génération de grand modèle audio, Stable Audio3 , tout en mettant simultanément en open source une partie des poids du modèle. Conçu comme un modèle de diffusion latente spécialement destiné à la génération et à l’édition audio, ce système prend non seulement en charge une sortie stéréo de haute qualité, mais réalise également une avancée significative en termes de vitesse de génération.
La nouvelle gamme de modèles couvre un large éventail de spécifications, du plus petit au plus grand, répondant ainsi à des besoins variés tels que la création musicale et la production d’effets sonores. Il convient notamment de noter que le modèle prend en charge la génération audio à longueur variable et introduit une fonctionnalité d’édition audio basée sur une technologie interne de complétion d’images, offrant ainsi aux créateurs une flexibilité sans précédent.

Une architecture innovante qui surmonte les contraintes matérielles
Stable Audio3 se compose de deux éléments centraux : un auto-encodeur acoustique sémantique appelé SAME, et un transformateur de diffusion efficace. L’auto-encodeur SAME atteint un taux de compression audio allant jusqu’à 4 096x, une conception révolutionnaire qui réduit considérablement la longueur de la séquence latente.
Grâce à ce mécanisme de compression efficace, même sur du matériel grand public ordinaire, le modèle peut exécuter sans difficulté des tâches de génération audio de longue durée et à grande échelle. Cela réduit non seulement considérablement les obstacles techniques à la création audio de haute qualité, mais permet également aux créateurs individuels de réaliser chez eux des productions audio et vidéo de niveau professionnel.

Une efficacité exceptionnelle permettant un rendu instantané
Grâce à la prise en charge de la technologie à longueur variable, le coût de calcul du nouveau modèle s’adapte dynamiquement à la durée audio requise par l’utilisateur, éliminant ainsi complètement le gaspillage de puissance de calcul causé par les approches à longueur fixe utilisées par le passé. Lors de tests effectués sur du matériel haute performance, le modèle a pu rendre un fichier audio de 20 secondes en environ 0,62 seconde et générer un morceau de musique de 380 secondes en seulement 1,31 seconde.
De plus, grâce à un processus d’entraînement innovant en trois étapes, Stable Audio3 ne s’appuie plus sur la technologie traditionnelle de guidage sans classificateur lors de l’inférence, offrant ainsi une expérience de propagation vers l’avant en une seule étape ultra-rapide. Actuellement, les poids des modèles de petite et moyenne taille sont accessibles au public sur la plateforme Hugging Face, tandis que la version plus grande, aux performances supérieures, sera fournie via une licence commerciale.
Article connexe
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Comment Recursive Intelligence a levé 335 millions de dollars en 4 mois, avec une valorisation de 4 milliards de dollars
Les cofondatrices de la start-up Ricursive Intelligence semblaient destinées à devenir cofondatrices.Anna Goldie, PDG, et Azalia Mirhoseini, directrice technique, sont si connues dans le milieu de l’I
Recommandations de sujets spéciaux liés
commentaires (0)
Stability AI, une entreprise de renommée dans le domaine de l’intelligence artificielle, a officiellement lancé sa dernière génération de grand modèle audio,
La nouvelle gamme de modèles couvre un large éventail de spécifications, du plus petit au plus grand, répondant ainsi à des besoins variés tels que la création musicale et la production d’effets sonores. Il convient notamment de noter que le modèle prend en charge la génération audio à longueur variable et introduit une fonctionnalité d’édition audio basée sur une technologie interne de complétion d’images, offrant ainsi aux créateurs une flexibilité sans précédent.

Une architecture innovante qui surmonte les contraintes matérielles
Grâce à ce mécanisme de compression efficace, même sur du matériel grand public ordinaire, le modèle peut exécuter sans difficulté des tâches de génération audio de longue durée et à grande échelle. Cela réduit non seulement considérablement les obstacles techniques à la création audio de haute qualité, mais permet également aux créateurs individuels de réaliser chez eux des productions audio et vidéo de niveau professionnel.

Une efficacité exceptionnelle permettant un rendu instantané
Grâce à la prise en charge de la technologie à longueur variable, le coût de calcul du nouveau modèle s’adapte dynamiquement à la durée audio requise par l’utilisateur, éliminant ainsi complètement le gaspillage de puissance de calcul causé par les approches à longueur fixe utilisées par le passé. Lors de tests effectués sur du matériel haute performance, le modèle a pu rendre un fichier audio de 20 secondes en environ 0,62 seconde et générer un morceau de musique de 380 secondes en seulement 1,31 seconde.
De plus, grâce à un processus d’entraînement innovant en trois étapes,
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Comment Recursive Intelligence a levé 335 millions de dollars en 4 mois, avec une valorisation de 4 milliards de dollars
Les cofondatrices de la start-up Ricursive Intelligence semblaient destinées à devenir cofondatrices.Anna Goldie, PDG, et Azalia Mirhoseini, directrice technique, sont si connues dans le milieu de l’I











