新智元报谈

裁剪：Aeneas 好困

【新智元导读】200名音乐东谈主联名信抗议的音书刚出，Stability AI的新音乐器具就来了！刚刚发布的Stable Audio 2.0，不错创作长达3分钟的音乐，哼哼几句就能给你创作出一段音乐了！不外强大网友和音乐东谈主试用后示意：有点失望……

200多名音乐东谈主联名签公开信抗议Suno的余音还未消，AI音乐又出新器具了——

Stability AI，也下场卷AI音乐了！看来，中枢成就东谈主员的出走，并莫得降速它发布居品的措施。

就在刚刚，Stability AI发布了Stable Audio 2.0。

只是用一条天然话语指示，它就能以44.1 kHz的立体声质料，创作出高质料、结构完整的音乐作品。

而且，每首曲目最长可达3分钟！比较之下，Suno最长可创作2分钟，这方面然而被Stable Audio 2完爆了。

而且，Audo 2.0的音频到音频功能，现在只好Meta的MusicGen不错作念到，连Suno齐作念不到。

好音书：模子照旧在Stable Audio官网上免费洞开使用了，而且很快就能通过Stable Audio API提供处事。

趁便，再画个重心：Stable Audio作念出来的音乐，是不错商用的！

即是价钱确切未低廉： Pro版11.99好意思元/月、Studio版29.99好意思元/月、顶配Max版则径直来到了89.99好意思元/月。

小编亲身上手「爆改」了一波周杰伦的歌。

Prompt如下——

Post-Rock, Guitars, Drum Kit, Bass, Strings, Euphoric, Up-Lifting, Moody, Flowing, Raw, Epic, Sentimental, 125 BPM

而且输入了一段《夜曲》的旋律，Audio 2.0输出的音乐是这么的。

听起来似乎不太空想。（天然，能够率是因为小编不专科导致的）

那哼哼一首试试呢？小编哼了几句《等你下课》，传上去——

Blues, R&B woman, singer

出来的截至，跟原曲弗成说是一模一样，只可说是绝不相干。

小哥一段b-box，死后仿佛一个乐队

音书一出，诸位音乐东谈主们坐窝冲了！

比如这位国际小哥，我方b-box再加上Audio 2.0给配上的音乐，径直一个东谈骨干出了一个乐队的恶果。

而且，不管是b-box如故完整的歌曲，齐是Audio 2.0生成的。

这位日本网友，用Audio 2.0创作出了一首「东方地灵殿」格调的歌曲。

Shugo Nozaki在试用后点评谈：Audio 2.0跟Suno不同，它似乎保留了浅近的教唆，而且把歌曲简化了。

总之，此次的模子不仅不错从文本创作音频，还能从音频创作音频。

旋律、伴奏、颓唐音轨、音效……莫得它不会的。

完整的音轨创作

因为创作时辰长达3分钟，Stable Audio 2.0能让每首作品齐领有了了的结构，包括引子、主体和驱散部分，还能加入立体声的音效，让作品愈加立体机动。

比如底下这段音乐，结构终点完整，乐曲的格调舒服、空灵，十剖析压。

A beautiful piano arpeggio grows to a full beautiful orchestral piece

而不才面这段音乐中，由钢琴旋律启动了一段忧郁的乐章，随后的管弦乐乐句，在涌动中把通盘乐章推向高涨，终末逐步追溯宁静。

Piano melody begins a melancholic journey, full orchestral climax, the swells of the orchestral instrumentals

只须给出具体的prompt，就能生成完全合乎条款的音乐了，只须脑海里能遐想出来，它就能生成。

这嗅觉，几乎即是在元宇宙里的诬捏使命室中玩赛博乐器！

再比如，这首127 BPM的Tech House，就交融了琶音器，Rhodes电钢琴的和弦与旋律交汇出的秘籍旋律。而且还包含有切分节拍的打击乐和拟声打击乐，House格调的重饱读，天然的打击乐恶果，以及行走贝斯带来的流动感。

通逶迤目在秘籍、低调的氛围中伸开，让东谈主仿佛踏进于探索未知的旅程中。

Tech House, underground UK rave, 127 BPM, synthesizer arpeggio, beautiful Rhodes piano chords and melodies, epic sweeping string section, syncopated percussion and foley percussion, house kick pattern, drum machine, natural percussion, breaks, walking bass, Mysterious, Mystical, Low-key

以及，这首125 BPM的后摇，不仅有悉心录制的饱读组和电贝斯，偶尔还穿插着得意的和声，全体给东谈主一种广泛且高涨迭起的氛围。

Post Rock, echoing electric guitars with chorus, well recorded drum-kit, Electric Bass, occasional soaring harmonies, Moving, Epic, Climactic, 125 BPM

而这首Nu-Disco交融了放克格调的Emotional Pian和浓郁的弦乐四重奏，以及脉络丰富的饱读点。此外，G-Funk贝斯和合成器的当代感，无缺稳当俱乐部氛围。

Nu-Disco, funky emotional Piano, lush string quartet, well layered Drum Machine, well-arranged composition, funky G-Funk bass, Synthersizers, Modern, Club-orientated, 115 BPM

好玩的是，Audio 2.0也可能生成有东谈主声的歌词，但缺憾的是，咱们并弗成我方填词，只可它给什么词，咱们用什么词。

这就若干差点意念念了……

底下即是Gorden Sun作念的一首男声流行乐。

音频同样

你脑海里有一段旋律，只须把它哼给Stable Audio 2.0，它就能给你样本直出！

旋律不错径直酿成饱读、低音吉他。

或者来一段b-box，径直就酿成了Lofi hip hop box。

声息变化与音效创造

此次的新模子，大幅晋升了声息和音效的制作智力。

不管是模拟键盘的轻敲声、东谈主群的答应声，如故城市街谈的配景嗡嗡声，齐能为音乐增添新的脉络。

格调同样

另外，淌若咱们照旧有了一个某格调的音频样本，想让它酿成另一种格调，只须上传到Audio 2，告诉它你想要什么样的，它就自动给你生成了。

不管是音乐的整躯壳调，如故诊治特定部分的基调，Audio 2齐能为咱们独家定制！

从此，艺术家和音乐制作主谈主的创作摆脱度和遐想力，齐不错充分开释！

其实，早在2023年9月，公司就照旧推出了1.0版块，成为首款交易奏效的AI音乐器具。

其时，Stable Audio 1.0就被《时间》杂志评为2023年的最好发明之一。

不外，最近闹得沸沸扬扬的音乐家抗议Suno的事件，也给音乐版权问题敲响了警钟。

Stability AI是奈何惩处这个问题的呢？

对此，他们也有对应措施：Stable Audio 2.0是特意锻真金不怕火于AudioSparx音乐库的授权数据集上，十足尊重退出恳求，而且示意一定会为创作家提供自制的赔偿。

本领旨趣

为何Stable Audio 2.0能创作出结构如斯完整的音乐作品？

原因就在于，它袭取了一种稀奇缠绵的本领架构。

为此，参谋者对系统进行了全面优化，确保它在处理万古辰音频时的施展愈加出色。

通过一个新式的高效压缩本领，他们将原始的音频数据压缩成了更短的风景，这么就提高了处理服从。

此外，他们还引入了一种先进的「Diffusion Transformer」本领，这种本领比之前的法子更擅所长理流通长音频数据。Stable Diffusion 3中也用到了访佛本领。

这两大本领的集会，就让模子能够精确地捕捉音乐中的复杂结构，而且重现出来。

自动编码器不错压缩音频并将其重构回原始景况。它能捕捉并复制要害特征，同期过滤掉不太贫寒的细节，从而生成更连贯的作品。

Diffusion Transformer（DiT）不错任意将马上噪声细化为结构化数据，识别复杂的口头和关系。集会自动编码器，它获取了处理更长序列的智力，从输入中创建出更深切、更准确的评释。

锻真金不怕火数据

跟1.0版块一样，2.0版块亦然基于AudioSparx提供的庞大音频库进行锻真金不怕火的。

这个音频库涵盖了卓绝80万个文献，本色丰富，包括各类音乐、音效以及单独乐器的音轨，而且附有有关的文本态状。

而AudioSparx平台上的扫数艺术家，齐有契机遴荐是否让我方的作品参与到Stable Audio的锻真金不怕火进程中。

而且，为了留神创作家的版权，Stability AI在上传音频时会与Audible Magic勾通，袭取他们的先进本色识别本领。

这种本领就能及时地识别和匹配音频本色，灵验驻防侵权，包含每一位创作家的职权。

网友吐槽：莫得歌词就莫得灵魂啊

天然宣传地很炸裂，但Audio 2.0放出后，也遭到了部分网友吐槽。

最昭着的问题即是，它并弗成像Suno一样生成歌词。

这就仿佛抽走了一半灵魂。

也有网友吐槽说，我方并不以为这是什么好音乐。它就仿佛一张AI生成的图片，仔细不雅察就会发现许多诞妄。

在ta看来，优秀的作曲家应该因为创作出莫得诞妄的好音乐而得到酬劳，即使他们比AI更贵。

的确，有许多东谈主示意，它的音乐质料不行，比不上Suno。

以至许多音乐生成器齐比它生成得要好。

「然而，我照旧被Suno宠坏了」。

音乐APP创举东谈主试用后：有点失望

这位名叫Ezra的音乐APP创举东谈主在试用Audio 2.0后，则详备地记载下我方的体验。

视频地址：https://www.audiocipher.com/post/stable-audio-ai#viewer-85l4b974663

他作念了以下几个现实，体验了Audio 2.0对多样音乐的生成智力。

手指饱读点

他的第一个现实，是为录制的输入捕捉一个浅近的节拍，望望能否用Audio 2.0的Drum Solo功能，从教唆库中获取更有趣的打击乐主张。

第一次现实的截至令东谈主有些失望。产生的音乐的确有明确的格合并音色转机，但并莫得生成他条款的「饱读的独奏」。

他尝试了第二次，教唆用的是「饱读和贝斯」，此次，Audio 2.0产生了不同的饱读声，两个输出齐具有修改后的捕捉音色。

从哼唱旋律到流行乐

此次，小哥录下了我方哼唱的一首十秒的旋律，终点浅近。

然后，他将上传的音频波形与Audio 2.0的输出进行了比较。

不错看出，输入信号中最响亮的部分跟输出中的访佛波形恰巧对应。

但他示意，格调转机恶果其实并不好。输出听起来与我方的嗡嗡声相似，但音色略有不同。

手风琴之歌到吉普赛爵士乐

总的来说，小哥的前两个现实齐有点失败。

在第三次现实中，他别具肺肠，上传了我方写的一首手风琴曲子的30秒灌音。

这份灌音响铃、了了，带有和旋和旋律。

而Audio 2.0输出的截至，不错算是奏效的。

不外教唆条款吉普赛爵士乐，带有贝斯和饱读。但他得到的是一把原声爵士吉他，而且听起来有像是木琴的东西。莫得贝斯或饱读。

此次，旋律的准确率能够在90%，但出现了原始灌音中莫得的一些奇怪音符。未必它会丢失干线，或早或晚地跳入旋律。

另一方面，Stable Audio确乎在浅近的i-iv-V7-i和弦进行上进行了翻新，并进行了一些惊喜的再行和声。

是以，淌若咱们的目的是想出新的和弦编曲，毫无疑问，它会是一个矿藏器具。

参考贵寓：

https://stability.ai/news/stable-audio-2-0

https://www.audiocipher.com/post/stable-audio-ai#viewer-85l4b974663

https://twitter.com/Gorden_Sun/status/1775516469067166173

https://twitter.com/shugo/status/1775510661499592729

https://twitter.com/dadabots/status/1775522800582762556

https://twitter.com/gufutokuku999/status/1775719731930231018