Open-source model for generating short audio samples and sound effects from text.

什么是Stable Audio Open？

Stable Audio Open 是一个开源模型，专门用于根据文本提示生成短音频样本、音效和制作元素。它允许任何人从简单的文本提示生成最多 47 秒的高质量音频数据。其专业训练使其非常适合创建鼓点、乐器旋律、环境音效、音效录音以及音乐制作和声音设计的其他音频样本。

如何使用 Stable Audio Open？

要使用 Stable Audio Open，首先从 Hugging Face 下载模型，安装所需的依赖项（torch、torchaudio、stable_audio_tools、einops），导入必要的库，加载模型，通过文本提示生成音频，然后将输出保存为 WAV 文件。

Stable Audio Open 的核心功能

开源模型
经过专业训练以生成高质量音频
可以用用户自己的数据进行定制
生成最多 47 秒的音频