Stability AI 于今日正式发布 Stable Audio Open 1.0，这是其在音频生成 AI 领域的最新重要成果。提及 Stability AI，人们更熟悉其“稳定扩散”文本到图像生成技术，不过音频生成同样是其产品线的重要组成部分。去年首次推出 Stable Audio 时，便令众多音频创作者印象深刻；而近期升级的 Stable Audio 2.0，在生成音频的清晰度与时长方面又有了显著提升。

与完整版 Stable Audio 不同（后者适用于一般商业用途，可生成最长3分钟的音频），Stable Audio Open 的应用场景更为专注。其核心定位在于生成短音效片段，而非完整歌曲。换言之，若你需要快速获取鼓点、乐器乐句或环境音效，Stable Audio Open 将是更精准的选择。

如其名称中的“Open”所示，这是一个开放模型——尽管并非严格意义上的开源。Stability AI 依据其非商业研究社区协议许可证提供该模型，允许开放访问，但对模型的使用操作施加了限制。这意味着研究人员与爱好者可免费体验，但若打算用于商业项目，则需留意边界。

Stability AI 音频研究主管 Zach Evans 在发布时表示：“推出 Stable Audio Open 旨在让音频研究人员与制作人能够亲身使用我们的生成音频模型，从而加速这些卓越新工具的研究、采纳与创造性应用。” 这一举措务实——先让社区实践，再谋后续发展。

Stable Audio Open 是什么？——专为音乐制作与声音设计优化的AI音频生成模型

简单来说，Stable Audio Open 是一款专为音乐制作与声音设计优化的AI音频模型，擅长生成鼓点、乐器乐段、环境声音等音频样本。与商业版 Stable Audio 相比，其生成的音频长度为47秒，但质量表现优异。值得一提的是，Stability AI 在训练该模型时采取了负责任的数据策略——数据来源于 FreeSound 和免费音乐档案，未使用受版权保护或专有材料。这对于关注版权问题的创作者而言，无疑是一颗定心丸。

用户可对 Stable Audio Open 进行微调：实现个性化音频生成

该模型另一大亮点在于：用户可根据自己的自定义音频数据进行微调。例如，鼓手可用自己录制的鼓声样本微调模型，生成具有个人风格的全新节拍。这种个性化调校能力在实际创作中极具实用性。

实现微调需借助 Stable Audio 工具库，该工具库本身采用了实际开源许可证。模型权重已同步上线 Hugging Face，方便用户直接下载使用。Evans 在采访中透露，音频研究团队持续致力于提升生成音频模型的质量与可控性，未来还将继续发布商业与开放模型，以反映研究进展。可以预见，音频生成 AI 的赛道将愈发热闹。