Das neueste Audiomodell von Stability AI kann Songs erzeugen, die länger laufen als viele Radio-Singles.
Das Unternehmen hat Stable Audio 3.0 veröffentlicht, eine Familie von KI-Audiomodellen, die Musik und Soundeffekte erzeugen kann. Größere Versionen können vollständige Kompositionen mit einer Länge von bis zu 6 Minuten und 20 Sekunden generieren.
Stable Audio 3.0 geht in die Länge
Laut TechCrunch veröffentlicht Stability AI unter dem Namen Stable Audio 3.0 vier Modelle: Small SFX, Small, Medium und Large. Die beiden Small-Modelle verfügen über 459 Millionen Parameter und sind für die Erzeugung von Sounds und Musik direkt auf dem Gerät mit einer Länge von bis zu zwei Minuten ausgelegt.
Die Modelle Medium und Large verlängern die Ausgabe deutlich. Beide können vollständige Kompositionen von 6 Minuten und 20 Sekunden erzeugen und dabei musikalische Struktur und melodischen Charakter bewahren. Das Medium-Modell verfügt über 1,4 Milliarden Parameter, das Large-Modell über 2,7 Milliarden.
In der eigenen Ankündigung von Stable Audio 3.0 erklärt Stability AI, dass die Modelle Small SFX, Small und Medium mit offenen Gewichten verfügbar sind. Das Large-Modell ist über die Stability-AI-API und für das Self-Hosting in Unternehmensumgebungen erhältlich.
Die Veröffentlichung aktualisiert außerdem Stability AIs Audio-Portfolio. Stable Audio Open, das 2024 veröffentlicht wurde, konnte Samples und Soundeffekte mit einer Länge von bis zu 47 Sekunden erzeugen. Stable Audio 3.0 führt das Unternehmen in Richtung der Erzeugung längerer Musikstücke, während kleinere Modelle für Experimente und die lokale Nutzung verfügbar bleiben.
Stability AI erklärte, dass alle Stable-Audio-3.0-Modelle mit vollständig lizenzierten Daten trainiert wurden. Gemäß der Stability AI Community License gehören die Ausgaben den Nutzern, die sie verbreiten und kommerziell nutzen können. Organisationen mit einem Jahresumsatz von mehr als 1 Million US-Dollar benötigen eine Enterprise-Lizenz, die laut Stability AI kommerzielle Nutzung und rechtliche Freistellung umfasst.
KI-Musiktools kommen in einer Zeit eines aktiven Urheberrechtsstreits, in dem Kreative und Gesetzgeber mehr Transparenz bei den Trainingsdaten fordern.
Offene Modelle, kostenpflichtiger Zugang und Verbindungen zur Musikbranche
Stable Audio 3.0 ist nicht nur ein Modell für eine einzige Zielgruppe. Stability AI teilt die Modellfamilie auf Kreative, Entwickler und größere Unternehmen auf, die API-Zugriff oder Self-Hosting benötigen.
Das Unternehmen erklärte, dass das Modell Small SFX für Soundeffekte auf Geräten wie Mobiltelefonen und Laptops für Endverbraucher ausgelegt ist. Das Small-Modell ist für die Erstellung vollständiger Musikkompositionen direkt auf dem Gerät konzipiert. Das Medium-Modell bietet längere Tracks und eine ausgeprägtere Musikalität, während das Large-Modell für Musikplattformen und kreative Anwendungen entwickelt wurde, die eine Generierung mit geringer Latenz in großem Umfang benötigen.
Die neue Architektur unterstützt außerdem Bearbeitungswerkzeuge. Stability AI erklärte, dass Stable Audio 3.0 Audio-Inpainting, Fortsetzungen und die Generierung mit variabler Länge und sekundengenauer Steuerung ermöglicht. Das bedeutet, dass Nutzer einen Teil eines Tracks verändern, eine Komposition verlängern oder einen kürzeren Abschnitt erzeugen können, ohne von vorne beginnen zu müssen.
Stability AI versucht außerdem, Glaubwürdigkeit in der Musikbranche aufzubauen. TechCrunch berichtete, dass das Unternehmen im vergangenen Jahr Vereinbarungen mit Warner Music Group und Universal Music Group unterzeichnet hat, um Modelle und Werkzeuge zur Musikerstellung zu entwickeln. Das Unternehmen baut zudem eine Produktsuite für professionelle Musiker auf. Ethan Kaplan, ehemaliger Chief Digital Officer bei Universal Audio und Fender, ist hinzugekommen, um diese Initiative zu leiten.
Stable Audio 3.0 erscheint zu einem Zeitpunkt, an dem Google mit den Gemini- und Lyria-Tools stärker in die KI-Musik vordringt und Audio zu einem größeren Bestandteil des KI-Produktrennens wird – von Assistenten bis hin zu angeblichen KI-Geräten mit Audio als Schwerpunkt.
Für Kreative liegen die Vorteile in längeren Ausgaben und mehr Kontrolle. Für Unternehmen besteht der Reiz in einer Modellfamilie, die Experimente mit offenen Gewichten und kostenpflichtigen Enterprise-Zugang kombiniert.
Die Modellfamilie bietet beiden Gruppen einen Weg zu einer schnelleren Audioerstellung, ohne Lizenzierung und Eigentumsrechte aus dem Blick zu verlieren.
Lesen Sie auch: Das neueste Voice-KI-Update von OpenAI zeigt, wie schnell Unternehmen Sprachwerkzeuge in Systeme verwandeln, die zuhören, antworten, übersetzen und handeln können.