Stability AI 发布 Stable Audio 3,实现亚秒级长音频生成
知名人工智能公司Stability AI已正式发布其最新一代音频大模型Stable Audio3, 并同步开源了部分模型权重。该系统作为专为音频生成和编辑设计的潜扩散模型,不仅支持高质量的立体声输出,还在生成速度方面实现了重大突破。
新发布的模型系列涵盖从小到大的多种规格,可满足音乐创作和音效制作等多元化需求。值得注意的是,该模型支持可变长度的音频生成,并引入了基于内部图像补全技术的音频编辑功能,为创作者提供了前所未有的灵活性。

创新架构突破硬件限制
Stable Audio3 由两个核心组件构成:名为 SAME 的语义声学自编码器,以及高效的扩散变压器。SAME 自编码器实现了高达 4096 倍的音频压缩比,这一突破性设计显著缩短了潜在序列的长度。
得益于这一高效的压缩机制,即使在普通的消费级硬件上,该模型也能流畅地运行长时间、大规模的音频生成任务。这不仅大幅降低了高质量音频创作的技术门槛,还使个人创作者在家中也能进行专业级别的音视频制作。

超高效率实现即时渲染
凭借对可变长度技术的支持,新模型的计算成本会根据用户所需的音频时长动态调整,彻底消除了以往固定长度方法造成的计算资源浪费。 在高性能硬件上的测试显示,该模型可在约0.62秒内渲染20秒的音频,仅需1.31秒即可生成380秒的音乐作品。
此外,通过创新的三阶段训练流程,Stable Audio3 在推理阶段不再依赖传统的无分类器引导技术,从而实现了超快的单步前向传播体验。目前,中小型模型的权重已在 Hugging Face 平台公开发布,而性能更强的大型版本将通过商业授权提供。
相关文章
随着AI模型路由技术势头渐增,Stripe将收购OpenRouter
Stripe 已同意收购 OpenRouter——这是一家人工智能模型路由平台,可让开发者通过单一接口访问数百种模型。此项收购将模型选择和路由功能融入 Stripe 现有的 AI 应用及基于令牌的计费业务中。据 Stripe 称,OpenRouter 支持来自 80 多家提供商的 400 多个模型。开发者无需与每个模型提供商分别进行集成,只需通过 OpenRouter 借助一个 API 即可发送请
前OpenAI研究员巴雷特·佐夫重返谷歌,助力Gemini的开发
巴雷特·佐夫(Barret Zoph)此前因与Thinking Machines Lab首席执行官米里亚姆·穆拉拉蒂(Miriam Mularati)意见不合而突然离职并加入OpenAI,如今他再次更换了雇主。Alphabet旗下的谷歌宣布,佐夫将回归担任研究副总裁,将其在强化学习和后训练方面的专业知识带入Gemini团队。“旋转门”式研究人员的职业循环佐夫的职业生涯是人工智能人才流动的典型例证。
Recursive Intelligence 如何在4个月内以40亿美元估值筹集3.35亿美元
初创公司Ricursive Intelligence的联合创始人似乎注定要成为联合创始人。首席执行官安娜·戈迪(Anna Goldie)和首席技术官阿扎莉亚·米尔霍塞伊尼(Azalia Mirhoseini)在人工智能界声名显赫,戈迪向TechCrunch笑称,她们正是那些“收到扎克伯格发来的奇怪邮件、里面提出疯狂邀约”的人工智能工程师之一。(她们最终没有接受这些邀约。) 两人曾共同在谷歌大脑(G
相关专题推荐
评论 (0)
0/500
知名人工智能公司Stability AI已正式发布其最新一代音频大模型
新发布的模型系列涵盖从小到大的多种规格,可满足音乐创作和音效制作等多元化需求。值得注意的是,该模型支持可变长度的音频生成,并引入了基于内部图像补全技术的音频编辑功能,为创作者提供了前所未有的灵活性。

创新架构突破硬件限制
得益于这一高效的压缩机制,即使在普通的消费级硬件上,该模型也能流畅地运行长时间、大规模的音频生成任务。这不仅大幅降低了高质量音频创作的技术门槛,还使个人创作者在家中也能进行专业级别的音视频制作。

超高效率实现即时渲染
凭借对可变长度技术的支持,新模型的计算成本会根据用户所需的音频时长动态调整,彻底消除了以往固定长度方法造成的计算资源浪费。 在高性能硬件上的测试显示,该模型可在约0.62秒内渲染20秒的音频,仅需1.31秒即可生成380秒的音乐作品。
此外,通过创新的三阶段训练流程,
随着AI模型路由技术势头渐增,Stripe将收购OpenRouter
Stripe 已同意收购 OpenRouter——这是一家人工智能模型路由平台,可让开发者通过单一接口访问数百种模型。此项收购将模型选择和路由功能融入 Stripe 现有的 AI 应用及基于令牌的计费业务中。据 Stripe 称,OpenRouter 支持来自 80 多家提供商的 400 多个模型。开发者无需与每个模型提供商分别进行集成,只需通过 OpenRouter 借助一个 API 即可发送请
前OpenAI研究员巴雷特·佐夫重返谷歌,助力Gemini的开发
巴雷特·佐夫(Barret Zoph)此前因与Thinking Machines Lab首席执行官米里亚姆·穆拉拉蒂(Miriam Mularati)意见不合而突然离职并加入OpenAI,如今他再次更换了雇主。Alphabet旗下的谷歌宣布,佐夫将回归担任研究副总裁,将其在强化学习和后训练方面的专业知识带入Gemini团队。“旋转门”式研究人员的职业循环佐夫的职业生涯是人工智能人才流动的典型例证。
Recursive Intelligence 如何在4个月内以40亿美元估值筹集3.35亿美元
初创公司Ricursive Intelligence的联合创始人似乎注定要成为联合创始人。首席执行官安娜·戈迪(Anna Goldie)和首席技术官阿扎莉亚·米尔霍塞伊尼(Azalia Mirhoseini)在人工智能界声名显赫,戈迪向TechCrunch笑称,她们正是那些“收到扎克伯格发来的奇怪邮件、里面提出疯狂邀约”的人工智能工程师之一。(她们最终没有接受这些邀约。) 两人曾共同在谷歌大脑(G





首页






