实体
Stable Audio Open
Stable Audio Open
PulseAugur coverage of Stable Audio Open — every cluster mentioning Stable Audio Open across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的SAGE音频编码器平衡了质量、速度和语义
研究人员推出了一种新的语义音频生成编码器SAGE，旨在提高音频重建质量、语义结构和推理速度之间的平衡。这个拥有1.05亿参数的模型在公开的音乐数据上进行训练，并从预训练的音频-文本模型中提取嵌入，以塑造其潜在空间。据报道，SAGE的运行速度比Stable Audio Open快三倍，在听众测试质量上与一个规模大其八倍的模型相当，同时在客观指标上也优于两者，并在潜在语义探测任务上设定了新的最先进水平。
-
研究发现，音频嵌入保留了重要的音乐内容
研究人员调查了各种预训练音频编码器生成的音频嵌入中保留的信息。通过使用共享的潜在扩散解码器从这些嵌入中重建音频，他们观察到基于编码器的训练目标及其暴露的时间和频谱分辨率，重建能力存在显著差异。即使是为特定任务设计的嵌入也表现出重建可测量源特异性和高级音乐内容的能力。
-
新方法可引导扩散模型音乐生成中的音高
研究人员开发了一种新方法来控制扩散模型生成的音乐的音高，特别是针对 Stable Audio Open 系统。该方法使用一个小型、经过训练的卷积探针，从模型的潜在空间解码音高类别激活。在推理过程中使用探针的梯度，可以在不改变原始扩散模型的情况下，引导生成过程朝着期望的音高序列进行。与未引导的基线相比，该技术显著提高了旋律连贯性，提高了 2.4 倍。