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

स्टेबिलिटी एआई ने स्टेबल ऑडियो ओपन नाम से 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 परिवेशीय ध्वनियों के नमूने बनाने के लिए कर सकते हैं। एआई मॉडल उपयोगकर्ताओं को पहले से तैयार किए गए नमूने की विभिन्न विविधताएं और शैलियां उत्पन्न करने की भी अनुमति देता है। ओपन-सोर्स मॉडल एआई फर्म के स्टेबल ऑडियो प्लेटफॉर्म से अलग है जो उपयोगकर्ताओं को तीन मिनट तक लंबे ट्रैक बनाने की अनुमति देता है और यह केवल सदस्यता के हिस्से के रूप में उपलब्ध है।

स्टेबिलिटी एआई स्टेबल ऑडियो ओपन जारी करता है

स्टेबल ऑडियो ओपन बाज़ार में उपलब्ध कई AI मॉडल के समान ही काम करता है। उपयोगकर्ता किसी नमूने या ध्वनि प्रभाव के लिए टेक्स्ट प्रॉम्प्ट लिख सकते हैं और यह 47 सेकंड तक का ऑडियो उत्पन्न करेगा। स्टेबिलिटी एआई ने एक न्यूज़ रूम पोस्ट में उल्लेख किया है कि ध्वनि डिजाइनरों, संगीतकारों और रचनात्मक समुदायों को सशक्त बनाने के लिए एआई मॉडल को ओपन सोर्स में जारी किया गया था।

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

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

एक उदाहरण पर प्रकाश डालते हुए, एआई फर्म का कहना है कि एक ड्रमर अपने ड्रमिंग सत्र की रिकॉर्डिंग पर एआई को प्रशिक्षित कर सकता है और नई बीट्स उत्पन्न करने के लिए मॉडल का उपयोग कर सकता है। जबकि मॉडल लघु 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। इसमें कहा गया है, “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 था।”

हालाँकि, स्टेबिलिटी एआई ने यह भी कहा कि डेटासेट में विविधता का अभाव है और सभी संस्कृतियों का समान रूप से प्रतिनिधित्व नहीं किया गया है। परिणामस्वरूप, उत्पन्न नमूने प्रशिक्षण डेटा से पूर्वाग्रहों को प्रतिबिंबित करेंगे। 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।