StabilityAI正在将其生成式人工智能技术带入音乐世界，开发商推出了一款名为StableAudio的新型文本到音频引擎。
与稳定扩散模型类似，稳定音频可以根据简单的文本提示创建简短的声音片段。该公司在其公告中解释说，人工智能是根据在线音乐库AudioSparx的内容进行训练的。它甚至声称该模型能够创建“用于商业用途的高质量44.1kHz音乐”。从这个数字来看，44.1kHz被认为是CD品质的音频。所以它相当不错，但不是最好的。
目前，StableAudio的免费版本已向公众开放，您可以每月生成和下载20首单独的曲目。每个原声片段的运行时间为45秒，因此不会很长。
您输入的文本提示可以是简单的输入。听StabilityAI提供的样本，“CarPassingBy”听起来就像标题所暗示的那样——远处有一辆汽车驶过，尽管有点低沉。相反，你也可以叠加细节。一个特定样本的提示涉及AmbientTechno、一台808鼓机、拍手、合成器、“空灵”一词、122BPM和“斯堪的纳维亚森林”(无论这意味着什么)。这个单词组合的结果是一种环境低保真嘻哈节拍。
我们拿出稳定音频进行快速测试。我们能够输入一个提示，要求人工智能创作一首2000年代初的快节奏车库摇滚歌曲，它在某种程度上实现了目标。生成的曲目与风格相匹配，尽管听起来很混乱。
不幸的是，除了单一输入之外，我们无法进一步进行。在撰写本文时，StableAudio发现大量流量涌入，人们纷纷涌入尝试该模型。如果您只遇到空白屏幕，开发人员建议您稍后或第二天重试。
免费版本有一个问题——它仅供非商业用途。如果您想将内容用于商业用途，则必须购买12美元的StableAudioProfessional月度套餐。它还每月生成500个曲目，每个曲目的持续时间长达90秒。还有一个针对自定义音频持续时间和每月生成的企业计划。但是，您必须首先联系StabilityAI来制定计划。
不完美的工具
请注意该技术并不完美。大部分内容听起来都不错，但某些方面似乎不太对劲。我们认为前面提到的AmbientTechno歌曲的混音不是很好。就好像贝斯和合成器正在争夺主导声音，结果只是噪音。此外，人工智能似乎无法发声。它只做乐器。
稳定音频确实很有趣，但不应该完全依赖。我们应该注意到，该公司正在征求用户关于如何改进人工智能的反馈。联系电子邮件可以在官方公告页面上找到。
如果您打算将这项技术用于自己的目的，我们建议您查看TechRadar的2023年最佳音频编辑器列表列表，以修复您可能遇到的任何缺陷。