5月14日，AI初创公司Stability AI推出Stable Audio Open Small，号称是目前市场上速度最快的端侧音频生成AI模型，可在智能手机上运行。相比Suno和Udio等应用，该模型无需依赖云端，能在8秒内生成最长11秒的音频片段，适合快速制作音效。Stability AI与Arm合作优化，使其能在智能手机离线运行。训练数据来自Free Music Archive和Freesound免版税库，避免了版权争议。不过，该模型目前仅支持英文提示，且生成的音乐类型表现差异较大，尤其缺乏逼真歌声或高质量歌曲。使用条款规定，年收入低于100万美元的用户可免费使用，超出者需购买企业许可证。

近日，AI音频领域再掀波澜，Stability AI在其官网宣布在Arxiv上分享了关于其开源文本转音频模型Stable Audio Open的最新研究论文。这一模型自6月推出以来，以其免费、开源的特性迅速受到广泛关注，尤其能生成长达47秒、44.1kHz高质量立体声音频，且能在消费级GPU上运行，...

6月6日，Stability AI基于Stable Diffusion模型发布开源AI音频工具Stable Audio Open，利用48.6万样本训练，能根据用户输入生成47秒高质量音乐、鼓点、音效等。该模型采用DiT技术，提升音频质量和多样性，并已在HuggingFace平台上供用户试用。Stability AI强调其适用于创作短片段而非完整歌曲。此前，他们还发布了Stable Audio 2.0，最长支持3分钟音频生成。