Stability AI 偷偷发布AI音乐生成黑科技开源工具——Stable Audio 2.0，秒杀Suno AI 的音乐生成！

AI 圈又有大新闻啦！Stability AI 又悄悄放出一个大招，这次不再是画图，而是音乐生成！而且还是开源的！

Stable Audio Open 允许任何人通过简单的文本提示生成长达 47 秒的高质量音频数据。其专业训练使其非常适合为音乐制作和声音设计创建鼓点、乐器连复段、环境声音、拟音录音和其他音频样本。

Stable Audio Open 目前已经开源，IT之家附上相关链接，感兴趣的用户可以在 HuggingFace 上试用。据说它使用了来自 FreeSound 和 Free Music Archive 等音乐库的 486000 多种采样进行训练。

Stability AI 公司表示：“虽然它可以生成简短的音乐片段，但并不适合完整的歌曲、旋律或人声”。

Stable Audio Open 和 Stable Audio 2.0 不同是，前者为开源模型，专注于短音频片段和音效，而后者能够生成最长 3 分钟的完整音频。

安装教程

首先，将存储库克隆到本地机器：

git clone https://github.com/RoyalCities/RC-stable-audio-tools.git
cd RC-stable-audio-tools

创建虚拟环境

Windows ：

python -m venv venv
venv\Scripts\activate

macOS 和 Linux：

python3 -m venv venv
source venv/bin/activate

安装所需的软件包

安装稳定的音频工具和必要的软件包setup.py：

pip install stable-audio-tools
pip install .

Windows 用户的额外步骤

为了确保 Gradio 使用 GPU/CUDA 而不是默认使用 CPU，请卸载并重新安装torch、，torchvision并torchaudio使用正确的 CUDA 版本：

pip uninstall -y torch torchvision torchaudio
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

配置

config.json根目录中包含一个示例。对其进行自定义以指定自定义模型和输出的目录（.wav 和 .mid 文件将存储在此处）：

{
    "model_directory": "models",
    "output_directory": "generations"
}

使用方法

运行 Gradio 界面

使用批处理文件或直接从命令行启动 Gradio 界面：

• 批处理文件示例：

@echo off
cd /d path-to-your-venv/Scripts
call activate
cd /d path-to-your-stable-audio-tools
python run_gradio.py --model-config models/path-to-config/example_config.json --ckpt-path models/path-to-config/example.ckpt
pause

或命令行：

python run_gradio.py --model-config models/path-to-config/example_config.json --ckpt-path models/path-to-config/example.ckpt

生成音频和 MIDI

Gradio 界面中的输入提示会生成音频和 MIDI 文件，这些文件将按照 中指定的方式保存config.json。

该界面已经扩展了 Bar/BPM 设置（可修改用户提示 + 样本长度条件）、MIDI 显示 + 转换，还具有动态模型加载功能。

模型必须与附带的配置文件一起存储在其自己的子文件夹中。即，一次微调可以有多个检查点。所有相关检查点都可以放在同一个“model1”子文件夹中，但重要的是，它们的相关配置文件包含在与检查点本身相同的文件夹中。

要切换模型，只需使用下拉菜单选择要加载的模型，然后选择“加载模型”。