本文へスキップ

Stable Audio Open 1.0

テキストのプロンプトからステレオ音声を作る

公式サイトを見る

Stable Audio Open 1.0 とは

本モデルはテキストのプロンプトから長さを変えられるステレオ音声を生成し、研究と実験に向けられると説明されている。

できること

  • プロンプトからステレオの音楽を作る
  • 開始時点と全体の長さを決める
  • 44.1 キロヘルツで音声を扱う

しくみ

  • まず必要なライブラリを導入する
  • テキストと時間の条件を定める
  • 拡散モデルが音声を生成する

長所と短所

✓ 良い点

  • テキストの条件付けは T5 の埋め込みで行われる
  • 拡散モデルは潜在空間の中で動く

! 注意したい点

  • 先に必要なライブラリの導入が要る
  • 生成前にテキストと時間の条件を決める必要がある

よくある質問

音声の長さは?

資料では最長 47 秒のステレオ音声が生成されると説明。

学習データは?

資料では Freesound と Free Music Archive が挙がる。

最終評価日: 2026-11-15

その他 AI音楽創作 ツール

すべて見る →

評価方法