Stable Audio Open

Stable Audio Open ist Stability AIs Open-Source-Modell für die Generierung von Musik und Soundeffekten aus Textbeschreibungen. Das Modell basiert auf einer latenten Diffusionsarchitektur und kann Audioclips mit bis zu 47 Sekunden Länge bei einer Samplerate von 44,1 kHz erzeugen - Studioqualität, die direkt in professionellen Produktionen verwendbar ist. Stable Audio Open wurde auf einem kuratierten Datensatz von Creative-Commons-Musik und Soundeffekten trainiert, was die rechtliche Nutzung vereinfacht.

Das Modell versteht detaillierte Textbeschreibungen und kann verschiedene Musikgenres, Instrumentierungen und Stimmungen umsetzen. Besonders stark ist es bei Soundeffekten und Ambient-Sounds. Für die Inferenz wird eine GPU mit mindestens 8 GB VRAM empfohlen.

Die Stability AI Community License erlaubt den kommerziellen Einsatz unter bestimmten Bedingungen. Die Integration in bestehende Audio-Workflows ist über die Diffusers-Bibliothek einfach möglich. Stable Audio Open eignet sich ideal für Podcaster, Spieleentwickler, Filmemacher und Musiker, die DSGVO-konform Audioinhalte generieren möchten.

Die Qualität hat sich gegenüber frueheren Open-Source-Audiomodellen deutlich verbessert und nähert sich kommerziellen Diensten an. Das Modell wird von Stability AI aktiv weiterentwickelt und profitiert von der großen Community. Für Podcaster bietet Stable Audio Open eine schnelle Möglichkeit, Intros, Outros und Soundeffekte lokal zu generieren.

Die Community teilt regelmäßig Tipps und optimierte Einstellungen für verschiedene Musikstile und Anwendungsfälle.