Stability AI 发布音频生成模型 Stable Audio 2.5

Stability AI 近期发布了其最新的音频生成模型 Stable Audio 2.5，旨在为专业音效创作提供更高效的解决方案。该模型旨在帮助创意团队快速生成高质量、可定制的音频作品，以满足市场对音频内容日益增长的需求。

核心功能与技术亮点

1. 更复杂的生成能力
   Stable Audio 2.5 能够创作包含前奏、发展和结尾的多段音乐作品。用户只需几秒钟即可生成一段三分钟的音乐，并且在英伟达 H100 GPU 上，处理时间甚至不到两秒。
2. 情感与风格理解
   该模型能够更准确地响应情感提示（如“鼓舞人心”），并理解特定的音乐风格提示（如“丰富的合成器声音”）。
3. 技术架构
   Stable Audio 2.5 采用 Adversarial Relativistic-Contrastive（ARC）技术，可高效生成复杂音乐结构。该模型在英伟达 H100 GPU 上，2 秒内可生成最长 3 分钟音频，支持多段落结构，并集成音频修复功能，允许用户上传现有音频进行续写。
4. 版权与合规性
   Stable Audio 2.5 基于 licensed 数据集训练，通过版权识别系统限制用户上传版权受限内容，确保商用合规。
5. 移动端支持
   同时推出移动端轻量版 Stable Audio Open Small，可在手机端 7 秒生成 11 秒立体声。

应用场景与用户需求

• 创意团队：为音乐制作、影视配乐、游戏音效等提供高效、高质量的音频生成工具。
• 商业项目：支持生成可定制音频，满足商用场景下更复杂的音频编排需求。
• 音频修复与扩展：用户可上传现有音频素材，指定起始位置后，模型将依据上下文线索自动补全剩余音轨。

与前代版本的对比

• Stable Audio 2.0（2024年发布）在生成音频长度、多段落结构、音频到音频生成等方面有所提升，但距离帮助用户用音乐表达想法仍有差距。
• Stable Audio 2.5 在处理速度、控制精度和生成能力上全面升级，进一步提升了专业音频生成的效率和质量。

总结

Stable Audio 2.5 是 Stability AI 在音频生成领域的重要升级，通过更先进的技术、更高效的处理能力和更广泛的应用场景，为专业音频创作提供了更强大的工具。无论是音乐制作人、影视音效师，还是商业项目团队，都能从中受益