Stability AI、1秒未満の長い音声生成を実現する「Stable Audio 3」を発表
著名な人工知能企業であるStability AIは、最新世代のオーディオ大型モデル「Stable Audio3」 を正式にリリースするとともに、モデル重みのうちの一部をオープンソース化しました。オーディオ生成および編集に特化して設計された潜在拡散モデルとして構築されたこのシステムは、高品質なステレオ出力をサポートするだけでなく、生成速度においても大きな飛躍を遂げています。
新たにリリースされたモデルファミリーは、小規模から大規模まで幅広い仕様を網羅しており、音楽制作や効果音制作など、多様なニーズに対応しています。特に、このモデルは可変長オーディオ生成をサポートし、独自の画像補完技術に基づいたオーディオ編集機能を導入することで、クリエイターにこれまでにない柔軟性を提供します。

革新的なアーキテクチャがハードウェアの制約を克服
Stable Audio3は 、SAMEと呼ばれる意味論的音響オートエンコーダーと、効率的な拡散トランスフォーマーという2つのコアコンポーネントで構成されています。SAMEオートエンコーダーは最大4096倍のオーディオ圧縮率を実現しており、これは潜在シーケンスの長さを大幅に短縮する画期的な設計です。
この効率的な圧縮メカニズムのおかげで、一般的なコンシューマー向けハードウェア上でも、本モデルは長時間の大規模な音声生成タスクをスムーズに実行できます。これにより、高品質な音声制作の技術的ハードルが大幅に下がるだけでなく、個人のクリエイターが自宅でもプロレベルの音声・映像制作を行うことが可能になります。

超高効率による瞬時のレンダリング
可変長技術のサポートにより、この新しいモデルの計算コストはユーザーが要求するオーディオの長さに応じて動的にスケーリングされ、従来の固定長アプローチで生じていた計算能力の無駄を完全に排除します。 高性能ハードウェアでのテストでは、このモデルは20秒のオーディオを約0.62秒でレンダリングし、380秒の楽曲をわずか1.31秒で生成することができました。
さらに、革新的な3段階のトレーニングプロセスにより、Stable Audio3は 推論時に従来の分類器フリーのガイダンス技術に依存しなくなったため、超高速なワンステップの順伝播を実現しています。現在、中小規模のモデルの重みはHugging Faceプラットフォームで公開されており、より高性能な大規模バージョンは商用ライセンスを通じて提供される予定です。
関連記事
AIモデルルーティングが勢いを増す中、StripeがOpenRouterを買収へ
Stripeは、開発者が単一のインターフェースを通じて数百のモデルにアクセスできるAIモデルルーティングプラットフォーム「OpenRouter」の買収に合意した。この買収により、StripeのAI活用やトークンベースの課金に関する既存の取り組みに、モデルの選択およびルーティング機能が追加されることになる。Stripeによると、OpenRouterは80社以上のプロバイダーが提供する400以上のモデ
OpenAIの元研究員バレット・ゾフ氏が、Geminiの開発を支援するためGoogleに復帰
以前、Thinking Machines LabのCEOであるミリアム・ムララティ氏との意見の相違により、突然同社を退社してOpenAIに加わったバレット・ゾフ氏が、再び転職した。Alphabet傘下のGoogleは、ゾフ氏が研究担当副社長として復帰し、強化学習とポストトレーニングに関する専門知識をGeminiチームにもたらすことを発表した。「回転ドア」式研究者のサイクルゾフ氏のキャリアは、AI人
Recursive Intelligenceが4か月で40億ドルの評価額に基づき3億3500万ドルを調達した経緯
スタートアップ「Ricursive Intelligence」の共同創業者たちは、まるで共同創業者になる運命にあったかのようだった。CEOのアンナ・ゴールディ氏とCTOのアザリア・ミルホセイニ氏は、AIコミュニティでは非常に有名であり、ゴールディ氏はTechCrunchに対し、「ザッカーバーグから、とんでもないオファーが書かれた奇妙なメールを受け取ったAIエンジニアたち」の一人だったと、笑いながら
関連特集おすすめ
コメント (0)
0/500
著名な人工知能企業であるStability AIは、最新世代のオーディオ大型モデル
新たにリリースされたモデルファミリーは、小規模から大規模まで幅広い仕様を網羅しており、音楽制作や効果音制作など、多様なニーズに対応しています。特に、このモデルは可変長オーディオ生成をサポートし、独自の画像補完技術に基づいたオーディオ編集機能を導入することで、クリエイターにこれまでにない柔軟性を提供します。

革新的なアーキテクチャがハードウェアの制約を克服
この効率的な圧縮メカニズムのおかげで、一般的なコンシューマー向けハードウェア上でも、本モデルは長時間の大規模な音声生成タスクをスムーズに実行できます。これにより、高品質な音声制作の技術的ハードルが大幅に下がるだけでなく、個人のクリエイターが自宅でもプロレベルの音声・映像制作を行うことが可能になります。

超高効率による瞬時のレンダリング
可変長技術のサポートにより、この新しいモデルの計算コストはユーザーが要求するオーディオの長さに応じて動的にスケーリングされ、従来の固定長アプローチで生じていた計算能力の無駄を完全に排除します。 高性能ハードウェアでのテストでは、このモデルは20秒のオーディオを約0.62秒でレンダリングし、380秒の楽曲をわずか1.31秒で生成することができました。
さらに、革新的な3段階のトレーニングプロセスにより、
AIモデルルーティングが勢いを増す中、StripeがOpenRouterを買収へ
Stripeは、開発者が単一のインターフェースを通じて数百のモデルにアクセスできるAIモデルルーティングプラットフォーム「OpenRouter」の買収に合意した。この買収により、StripeのAI活用やトークンベースの課金に関する既存の取り組みに、モデルの選択およびルーティング機能が追加されることになる。Stripeによると、OpenRouterは80社以上のプロバイダーが提供する400以上のモデ
OpenAIの元研究員バレット・ゾフ氏が、Geminiの開発を支援するためGoogleに復帰
以前、Thinking Machines LabのCEOであるミリアム・ムララティ氏との意見の相違により、突然同社を退社してOpenAIに加わったバレット・ゾフ氏が、再び転職した。Alphabet傘下のGoogleは、ゾフ氏が研究担当副社長として復帰し、強化学習とポストトレーニングに関する専門知識をGeminiチームにもたらすことを発表した。「回転ドア」式研究者のサイクルゾフ氏のキャリアは、AI人
Recursive Intelligenceが4か月で40億ドルの評価額に基づき3億3500万ドルを調達した経緯
スタートアップ「Ricursive Intelligence」の共同創業者たちは、まるで共同創業者になる運命にあったかのようだった。CEOのアンナ・ゴールディ氏とCTOのアザリア・ミルホセイニ氏は、AIコミュニティでは非常に有名であり、ゴールディ氏はTechCrunchに対し、「ザッカーバーグから、とんでもないオファーが書かれた奇妙なメールを受け取ったAIエンジニアたち」の一人だったと、笑いながら





家






