Розробники Stable Diffusion представили штучний інтелект, що перетворює текст на музику

Компанія Stability AI, яка стала відомою після релізу популярного генератора зображень зі штучним інтелектом Stable Diffusion, випустила новий ШІ-продукт Stable Audio. Це платформа для перетворення тексту в аудіо. Редакція MC.today переповідає подробиці з посиланням на сайт компанії.

Stable Audio використовує дифузію, або ту саму модель штучного інтелекту, яка працює на більш популярній платформі для створення зображень Stable Diffusion. Але її навчали не на картинках, а на великому масиві аудіозаписів.

Більшість схожих моделей штучного інтелекту, як правило, генерують доволі короткі ролики з фіксованою довжиною. Це не дуже зручно для творців, наприклад, музичних треків, адже їхня тривалість може бути різною.

Stability AI знайшла спосіб обійти подібні обмеження, а налаштування платформи тепер дозволяють користувачам Stable Audio мати більше контролю над тим, наскільки довгою буде композиція.

«Ми продовжуємо вдосконалювати наші архітектури моделей, набори даних і протоколи навчання, щоби покращити якість відтворення, керованість, швидкість висновку та тривалість треку», – повідомили в компанії.

Для тренування моделі використали понад 800 тис. аудіофайлів з музикою, звуковими ефектами, інструментальними композиціями та текстові метадані від компанії AudioSparx, що ліцензує фондову музику. Stability AI стверджує, що має дозвіл на використання матеріалів, захищених авторським правом. Навчальний набір містить понад 19,5 тис. годин звуків.

У безплатній версії Stable Audio можна створювати до 20 треків на місяць тривалістю до 45 секунд. Підписка професійного рівня коштує $11,99 на місяць. За ці гроші можна створити до 500 90-секундних треків. У тарифі Enterprise ціну формують відповідно до потреб користувачів.

В Stability AI вважають, що нову платформу використовуватимуть насамперед для створення фонової музики для подкастів або відео.

  • Раніше компанія повідомила про плани розширювати свою присутність у галузі штучного інтелекту, зокрема для створення аудіо та відеоконтенту. Цікаво, що попри це очільник Stability AI Емад Мостак передрік зникнення програмістів-людей через ШІ та заявляв, що ця технологія підірве світову економіку сильніше за пандемію COVID-19.

Нещодавні статті

Відпочити бюджетно – реально. Фінекспертка й турагентка поділилися порадами для відпустки

Літо – сезон відпусток, навіть попри війну. Тому в таких умовах особливо хочеться провести час…

02/07/2025

Продажі у Facebook чи Instagram: податковий консультант пояснив ризики і порадив, як їх уникнути

Тисячі українців щодня щось продають у соцмережах, і така торгівля перестала бути лише «підробітком на…

01/07/2025

Інвестувати в енергетику можна, але за однієї умови – думка співзасновника синдикату Toloka

В Україні стало популярним інвестування в енергетику, але в цьому питанні треба враховувати деякі нюанси.…

01/07/2025

Інвестування в Україні. Скільки потрібно грошей для старту і з яких інструментів почати – експертка

Багато українців відкладають початок інвестування, оскільки вважають, що для цього потрібні значні (принаймні $10 тис.)…

01/07/2025

Як отримувати більше. Як працівнику підвищити свій дохід без зміни роботи – поради HR

Підвищення зарплати – не єдиний варіант збільшення вашого доходу. Можна отримувати більше навіть без зміни…

01/07/2025

Цивільний шлюб і майно: коли можна претендувати на половину – пояснює юристка

В Україні офіційно зареєстровані шлюби – не єдина форма сімейного співжиття. Багато пар живуть разом…

30/06/2025