Stability AI: itt a Stable Audio 3.0, már hatperces számokkal

A Stability AI elindította a Stable Audio 3.0 -t, négy új AI-zenei modellcsaládot, amelyet a cég állítása szerint teljes egészében engedélyezett adatokon tanítottak. A 3.0 már több mint hatperces zeneszámok generálására képes, ami jelentős ugrás a Stable Audio 2.0 -hoz képest, amely 2024 -ben legfeljebb háromperces kimenetet tudott. A négy közül három modell open-weight (szabadon letölthető súlyokkal), vagyis ingyenesen letölthető és továbbépíthető. A vállalat közlése szerint a 3.0 Small legfeljebb kétperces anyagot generál – szemben a korábbi Stable Audio Open Small 11 másodpercével és a Stable Audio Open 47 másodpercével. A 3.0 Medium és a 3.0 Large már bőven hat perc fölötti, teljes szerkezetű zenéket állít elő. A cég szerint a 3.0 Small az egyetlen olyan modell, amely eszközön, offline is képes teljes zenei kompozícióra – nem csak rövid mintákra, hanem komplett számokra. A kiadott kutatási anyag alapján a modelleket az AudioSparx gyártási zenei könyvtárának engedélyezett hanganyagán (több mint 800 ezer fájl), valamint a Freesound Creative Commons felvételein képezték. A Stability AI a közösségi alkotás hagyományaira hivatkozik (remixkultúra, mashupok, interpolációk), és azt ígéri, a generatív hangterületen is hasonló, közösségvezérelt innovációt szeretne ösztönözni, mint amilyet a Stable Diffusion indított el a képgenerálásban. A Stability AI Community License értelmében az alkotók a saját kimeneteik tulajdonosai, azokat szabadon terjeszthetik és kereskedelmi forgalomba hozhatják. A cég ugyanakkor jelzi: az évi 1 millió dollár feletti visszatérő bevétellel rendelkező szervezeteknek kereskedelmi felhasználáshoz vállalati (enterprise) licenc szükséges, amely jogi védelemmel is jár. Hozzáteszik, tudomásuk szerint más nyílt zenei modellek vagy korlátozzák a kereskedelmi felhasználást, vagy kockázatot hordoznak az engedély nélküli zenéken végzett tanítás miatt.