Stable Audio Open Released by Stability AI as an Open-Source Text-to-Audio Generator

स्टेबिलिटी एआई ने स्टेबल ऑडियो ओपन नामक एक ओपन-सोर्स आर्टिफिशियल इंटेलिजेंस (एआई) मॉडल जारी किया है। उपयोगकर्ता 47 सेकंड तक के नमूने और ध्वनि प्रभाव उत्पन्न करने के लिए मॉडल का लाभ उठा सकते हैं। उपयोगकर्ता इसका उपयोग संगीत वाद्ययंत्रों या परिवेशी ध्वनियों के नमूने बनाने के लिए कर सकते हैं। एआई मॉडल उपयोगकर्ताओं को पहले से तैयार किए गए नमूने के विभिन्न रूपों और शैलियों को उत्पन्न करने की भी अनुमति देता है। ओपन-सोर्स मॉडल एआई फर्म के स्टेबल ऑडियो प्लेटफ़ॉर्म से अलग है जो उपयोगकर्ताओं को तीन मिनट तक के ट्रैक बनाने की अनुमति देता है और यह केवल सदस्यता के हिस्से के रूप में उपलब्ध है।

स्टेबिलिटी एआई ने स्थिर ऑडियो ओपन जारी किया

स्टेबल ऑडियो ओपन बाजार में उपलब्ध कई AI मॉडल की तरह ही काम करता है। उपयोगकर्ता किसी सैंपल या साउंड इफ़ेक्ट के लिए टेक्स्ट प्रॉम्प्ट लिख सकते हैं और यह 47 सेकंड तक का ऑडियो जेनरेट करेगा। स्टेबिलिटी AI ने न्यूज़रूम पोस्ट में बताया कि AI मॉडल को साउंड डिज़ाइनर, म्यूज़िशियन और क्रिएटिव कम्युनिटी को सशक्त बनाने के लिए ओपन सोर्स में रिलीज़ किया गया था।

हालाँकि, इसने स्टेबल ऑडियो ओपन के इस्तेमाल को रिसर्च और गैर-व्यावसायिक उपयोग तक सीमित कर दिया है। वाणिज्यिक अधिकार प्राप्त करने के लिए, उपयोगकर्ताओं को स्टेबिलिटी एआई सदस्यता खरीदनी होगी।

सुविधाओं के संदर्भ में, यह ड्रम बीट्स, इंस्ट्रूमेंट रिफ़्स, परिवेशी ध्वनियाँ, फ़ॉली रिकॉर्डिंग और अन्य ऑडियो सैंपल उत्पन्न कर सकता है। इसके अलावा, उपयोगकर्ता अपने कस्टम ऑडियो डेटा का उपयोग करके मॉडल को फ़ाइन-ट्यून भी कर सकते हैं।

एक उदाहरण पर प्रकाश डालते हुए, AI फर्म का कहना है कि एक ड्रमर अपने ड्रमिंग सत्रों की रिकॉर्डिंग पर AI को प्रशिक्षित कर सकता है और नए बीट्स उत्पन्न करने के लिए मॉडल का उपयोग कर सकता है। जबकि मॉडल छोटे ऑडियो नमूने उत्पन्न कर सकता है, यह पूर्ण गीतों, धुनों या स्वरों के लिए अनुकूलित नहीं है।

स्टेबल ऑडियो ओपन को प्रशिक्षित करने के लिए, कंपनी ने फ्रीसाउंड और फ्री म्यूजिक आर्काइव से प्राप्त 4,86,492 ऑडियो रिकॉर्डिंग के डेटासेट का उपयोग किया। इसने आगे कहा, “हमने प्रशिक्षण शुरू करने से पहले यह सुनिश्चित करने के लिए गहन विश्लेषण किया कि हमारे प्रशिक्षण डेटा में कोई अनधिकृत कॉपीराइट संगीत मौजूद नहीं है।”

हालांकि, स्टेबिलिटी एआई ने यह भी कहा कि डेटासेट में विविधता की कमी है और सभी संस्कृतियों का समान रूप से प्रतिनिधित्व नहीं किया गया है। नतीजतन, उत्पन्न नमूने प्रशिक्षण डेटा से पूर्वाग्रहों को दर्शाएंगे। एआई मॉडल तक पहुंचने के लिए, उपयोगकर्ता कंपनी की हगिंग फेस लिस्टिंग पर जा सकते हैं, जहां वर्तमान में ओपन मॉडल वेट होस्ट किए गए हैं।