با هوش مصنوعی Stable Audio با نوشتن متن، آهنگ بسازید!

شرکت Stability AI که بیشتر به خاطر ابزارهای تبدیل متن به تصویر مبتنی بر هوش مصنوعی شناخته می شود، از یک ابزار جدید به نام Stable Audio رونمایی کرده است که متن را به صدا یا آهنگ تبدیل می کند.

مدل های دیفیوژن می توانند کلیپ های صوتی با مدت زمان مشخص بسازند که چنین عملکردی مناسب ساخت موسیقی نیست؛ چرا که آهنگ ها از نظر زمانی ثابت نیستند. بااین حال ابزار جدید Stability AI می تواند کلیپ های صوتی با مدت زمان های مختلف بسازد. این کمپانی برای دستیابی به این هدف، مدل خود را با موسیقی آموزش داده و همچنین به آن متادیتای متن برای زمان شروع و پایان آهنگ اضافه کرده است.

هوش مصنوعی Stable Audio می تواند فایل صوتی با مدت زمان های متفاوت بسازد

در گذشته ابزارهای مشابه با کلیپ های صوتی 30 ثانیه ای آموزش می دیدند و تنها می توانستند فایل های 30 ثانیه ای از بخش های دلخواه آهنگ بسازند. اما ابزار هوش مصنوعی جدید Stability AI به شما اجازه می دهد که کنترل بیشتری روی مدت زمان آهنگ داشته باشید.

این شرکت در بیانیه اش گفته است که به آموزش این مدل ادامه می دهد تا کیفیت خروجی اش بهبود یابد:

«Stable Audio نشان دهنده تحقیقات پیشرفته تولید صدا توسط آزمایشگاه تحقیقات صوتی مولد Stability AI به نام Harmonai است. ما به بهبود معماری مدل، مجموعه داده ها و روش های آموزشی خود برای بهبود کیفیت خروجی، کنترل پذیری، سرعت ارائه خروجی و مدت زمان خروجی ادامه می دهیم.»

به گفته Stability AI، مدل هوش مصنوعی Stable Audio با مجموعه داده ای شامل بیش از 800 هزار فایل صوتی آهنگ، افکت های صوتی و آلات موسیقی آموزش داده شده است. علاوه براین، از متادیتا متن شرکت AudioSparx استفاده شده است. درمجموع با بیش از 19,500 ساعت صدا مدل جدید Stability AI آموزش داده شده است.

این مدل هوش مصنوعی در سه نسخه در اختیار کاربران قرار می گیرد:

نسخه رایگان با امکان ساخت 20 کلیپ صوتی حداکثر 45 ثانیه ای در ماه
نسخه حرفه ای برای ساخت 500 کلیپ صوتی حداکثر 90 ثانیه ای با قیمت 11.99 دلار
نسخه سازمانی

در نسخه رایگان امکان استفاده تجاری از آهنگ های ساخته شده وجود ندارد.