Stable Audio Giới thiệu

Stable Audio sử dụng một kiến trúc mô hình khuếch tán tiềm ẩn tinh vi bao gồm một bộ mã hóa tự biến thể (VAE), một bộ mã hóa văn bản và một mô hình khuếch tán có điều kiện dựa trên U-Net. Đối với việc tạo âm thanh từ văn bản, người dùng nhập các gợi ý mô tả mà mô hình diễn giải để tạo ra âm thanh tương ứng. Tính năng âm thanh-đến-am thanh cho phép người dùng tải lên các mẫu âm thanh hiện có và biến đổi chúng bằng cách sử dụng các gợi ý ngôn ngữ tự nhiên, cho phép chuyển giao phong cách và biến thể. Nền tảng cũng tích hợp điều kiện sáng tạo trên siêu dữ liệu văn bản, thời gian âm thanh và thời gian bắt đầu, cho phép kiểm soát chính xác nội dung và độ dài của âm thanh được tạo ra. Cách tiếp cận này vượt qua những hạn chế của các đầu ra âm thanh cố định truyền thống, cho phép tạo ra các cấu trúc âm nhạc mạch lạc với phần mở đầu, phát triển và kết thúc.