Riffusion

<p>Riffusion entstand 2022 als Forschungsprojekt zweier Stanford-Absolventen mit einer faszinierenden Erkenntnis: Audiodaten können als Bilder dargestellt werden. <strong>Mel-Spektrogramme</strong> – visuelle Repräsentationen von Frequenz, Zeit und Lautstärke – sehen wie abstrakte Kunstwerke aus. Und Stable Diffusion, das für Bildgenerierung trainierte Modell, kann diese Bilder generieren und damit implizit Musik erschaffen.</p> <p>Der psychoakustische Charakter von Riffusion-Musik ist unverwechselbar: Ein leichter Lo-Fi-Schleier, manchmal schwebende Harmonien, eine gewisse traumähnliche Qualität.

Das ist kein Fehler, sondern eine Eigenschaft des Ansatzes – Stable Diffusion "denkt" in Texturen und Übergängen, was sich in musikalisch fließenden, wenig repetitiven Strukturen äußert. Für experimentelle Musik, Ambient und elektronische Genres ist das ein Vorteil.</p> <p>Das Killer-Feature von Riffusion ist die <strong>Stil-Interpolation</strong>: Wer zwei Musikstile eingibt – etwa "klassisches Streichquartett" und "elektronischer Drum & Bass" – kann auf einem Slider zwischen beiden interpolieren. Das System generiert dabei gleitende Übergänge, die musikalisch kohärent klingen.

Für DJs, Sounddesigner und Experimentalmusiker ist das ein kreatives Spielfeld ohne Parallele.</p> <p>Riffusion ist vollständig kostenlos und open source (GitHub, MIT-Lizenz). Da das Modell auf Hugging Face läuft, kann es ohne lokale Installation im Browser getestet werden – ideal für eine erste Einschätzung. Für ernsthafte Nutzung empfiehlt sich eine lokale Installation auf einer NVIDIA-GPU.

Das Projekt wird von der Community aktiv weiterentwickelt, auch wenn das ursprüngliche Team inzwischen an anderen Projekten arbeitet.</p>