معرفی Stable Audio 3.0: هوش مصنوعی تولید موسیقی با آهنگ‌های ۶ دقیقه‌ای

مدل‌های پیشرفته Stable Audio 3.0

خانواده Stable Audio 3.0 شامل چهار مدل متمایز است که هر یک برای کاربردهای خاصی بهینه‌سازی شده‌اند:

• مدل‌های کوچک و SFX (جلوه‌های صوتی): هر یک با ۴۵۹ میلیون پارامتر، برای تولید صدا و موسیقی تا سقف ۲ دقیقه روی دستگاه بهینه شده‌اند.
• مدل متوسط: با ۱.۴ میلیارد پارامتر، قابلیت‌های بیشتری را ارائه می‌دهد.
• مدل بزرگ: با ۲.۷ میلیارد پارامتر، قدرتمندترین عضو این خانواده است.

مدل‌های متوسط و بزرگ این خانواده، توانایی تولید قطعات موسیقی کاملی را دارند که ساختار موسیقایی و لحن ملودیک خود را در طول بیش از ۶ دقیقه حفظ می‌کنند. این قابلیت، پیشرفتی قابل توجه نسبت به نسخه Stable Audio 2.0 است که سال گذشته عرضه شد و تنها آهنگ‌های به مراتب کوتاه‌تری را تولید می‌کرد.

دسترسی و ملاحظات حقوقی

Stability AI رویکردی متفاوت برای دسترسی به مدل‌های خود در پیش گرفته است:

• مدل‌های کوچک و متوسط: به‌صورت متن‌باز منتشر می‌شوند تا کاربران بتوانند آزادانه از آن‌ها استفاده کرده یا تغییراتی در آن‌ها ایجاد کنند.
• مدل بزرگ: تنها از طریق API و سرویس‌های میزبانی ابری پولی در دسترس خواهد بود.

همچنین، شرکت‌هایی با درآمد سالانه بیش از یک میلیون دلار، برای استفاده از این فناوری ملزم به دریافت مجوز سازمانی هستند.

در مواجهه با چالش‌های حقوقی مربوط به حق کپی‌رایت که شرکت‌هایی نظیر Suno و Udio با آن روبرو هستند، Stability AI تأکید کرده است که مدل‌های جدید خود را بر پایه داده‌هایی با مجوز کامل آموزش داده است. این شرکت پیش از این، قراردادهایی را با غول‌های صنعت موسیقی، یعنی Warner Music Group و Universal Music Group، امضا کرده بود تا از رعایت حقوق مؤلفین اطمینان حاصل کند.

توسعه محصولات برای موزیسین‌های حرفه‌ای

این استارتاپ جاه‌طلبی‌های بیشتری نیز در سر دارد و قصد دارد محصولات ویژه‌ای را برای موزیسین‌های حرفه‌ای توسعه دهد. در همین راستا، «ایتن کپلن»، مدیر ارشد دیجیتال سابق در شرکت‌های برجسته Universal Audio و Fender، به تیم Stability AI پیوسته است تا هدایت بخش موسیقی حرفه‌ای این شرکت را برعهده بگیرد و این حوزه را متحول سازد.