穩定AI發布全新音訊模型 可創作六分鐘歌曲

Stability AI，背後開發 Stable Diffusion 的公司，即將推出一個新的音訊模型系列，名為 Stability Audio 3.0。該公司聲稱，最高階的模型可以產生超過六分鐘的專業級音樂。公司將在 Stability Audio 3.0 名稱下推出四個新的模型：small SFX（459M 個參數）、small（459M 個參數）、medium（1.4B 個參數），以及 large（2.7B 個參數）。兩種 small 模型適合在裝置上進行最多兩分鐘的音訊與音樂生成。medium 與 large 模型則可以創作長達六分鐘二十秒的完整曲目，並能維持音樂結構與旋律音調。這比 2024 年推出的 Stable Audio 2.0 所能產生的長度多了兩倍以上。Stability AI 將 small SFX、small 與 medium 模型以開放權重的方式提供給任何人使用與修改。2024 年，公司推出了 Stable Audio Open，允許最多產生 47 秒的音樂。這一系列的新模型比起之前的開放版本有顯著進步。large 模型僅能透過 API 與自建付費服務使用。此外，年營收超過 100 萬美元的公司將需要取得企業授權。許多公司，包括 Google 與 ElevenLabs，正在推出與音樂生成相關的模型與工具。然而，正如 Suno 與 Udio 繼續進行的法律爭議所顯示的，數據授權與與音樂廠牌的合作，可能會成為這些服務長期生存的重要因素。去年，Stability AI 與 Warner Music Group 與 Universal Music Group 签訂協議，開發模型與音樂創作工具。公司表示，最新一組音訊模型是基於完全授權的數據所建立。這家 AI 新創公司正在開發一套新的專業音樂人用產品，但未提供更多關於其功能的細節。曾擔任 Universal Audio 與 Fender 首席數位官的 Ethan Kaplan，將加入公司領導 Stability 的專業音樂業務。多家 AI 公司正透過聘請音樂業高管來強化自身聲譽。今年初，Suno 雇請前 Merlin 董事長 Jeremy Sirota 當首席營銷官。ElevenLabs 也聘請來自獨立音樂出版商 Kobalt 的 Derek Cournoyer 當其音樂業務的策略領航員。