Stable Audio 3 是开源AI音频生成平台，基于潜空间扩散模型与语义-声学自动编码器，提供 small/medium/large 三种模型规模。支持文本生成多风格音效与音乐片段、变量时长输出、局部修复（Inpainting）和续写扩展。适用于音乐创作、视频配乐、游戏音频及音频修复。配置要求：Windows 10/11 64位、16GB以上内存、至少8GB显存的NVIDIA显卡、CUDA≥12.8。开源地址与整合包可通过公众号获取。
Tags:
Stable Audio 3 是新一代开源 AI 音频与音乐生成平台，专注于高速、高质量、可编辑的音频生成体验。该系列基于潜空间扩散模型（Latent Diffusion）构建，提供 small、medium、large 多种模型规模，支持变量时长音频生成、音频编辑与局部修复，并针对推理效率进行了深度优化。
相比传统音频扩散模型，Stable Audio 3 引入了全新的语义-声学自动编码器（Semantic-Acoustic Autoencoder），能够将音频压缩到高效潜空间中，在保持音质的同时提升语义结构表达能力，从而实现更快、更稳定的生成效果。
开源地址：https://github.com/Stability-AI/stable-audio-3
整合包获取方式：
在公众号后台回复关键字【Stable-Audio-3】获取整合包
软件功能：
• 音效生成：通过文本提示快速生成多风格音效与音乐片段，适配不同创作需求与音色取向。
• 变长输出：支持按需设置生成时长，不必固定输出整段长音频，提升迭代效率与灵活性。
• 局部修复：对指定时间段进行 Inpainting 重绘，精准替换瑕疵或调整片段而不影响其余内容。
• 续写扩展：可基于已有音频进行续写与延展，保持风格一致并补全后续结构与氛围。
• 开源可改：提供完整训练与推理管线开源，便于开发者微调模型并集成到自有产品中。
应用场景：
• 音乐创作：为作曲与编曲快速生成灵感草稿，反复调整提示词产出不同风格段落与配器氛围。
• 视频配乐：为短视频、片头片尾与转场生成匹配情绪的背景音乐，降低配乐成本与制作周期。
• 游戏音频：批量生成环境氛围与交互音效，用于关卡氛围铺陈与道具、技能、UI 声效设计。
• 音频修复：对录音中噪点、缺失或不满意段落进行局部重绘修复，减少返工并提升成片质量。
• 创意平台：作为 AIGC 音频引擎接入内容平台与工具链，提供一键生成、试听与下载的工作流。
配置要求：
电脑需满足以下配置：
• 操作系统：Windows 10/11 64位 • 内存：建议16G以上 • 显卡：至少8G及以上显存的英伟达（NVIDIA）显卡 • CUDA：显卡支持的CUDA版本大于等于12.8版本 （如不知道显卡支持的CUDA版本，可点击此链接查看：https://aiyy.info/supported-cuda-versions/） • 整个包解压完约21.8G，要留足硬盘空间
如何查看显卡品牌型号和显存
• 打开任务管理器 • 点击“性能” • 点击“GPU” • 右上角可以看到显卡型号，下方可以看到显存大小
使用教程：
① 打开下载页面（https://aiyy.info/stable-audio-3/）点击页面右侧下载按钮（手机端在页面底部），下载整合包之后解压，建议使用winrar解压（解压软件在文件包中，或者可以自己下载安装，下载地址：https://www.winrar.com.cn/）
不要用Windows自带解压！！不要用360解压！！
注意：文件夹路径和文件名称（包括音频、图片、视频等文件名称）不要出现中文字符，否则部分软件会因识别不出而报错
② 双击“一键启动.bat”，稍等片刻会在浏览器中自动打开操作界面
③ 输入提示词（建议使用英文输入效果较佳），调整音频时长，点击“开始生成”即可
④ 生成结果位于右侧，可以播放试听，点击下载按钮可以保存至指定文件夹
⑤ 在文件包中的“outputs”文件夹中也能找到生成结果
在公众号后台回复关键字【Stable-Audio-3】获取整合包
更多 AI 软件获取方式
没有评论:
发表评论