概要
Stability AIは、100%ライセンス済みデータで学習され、最大6分以上の楽曲生成やオンデバイスでの作曲を可能にするオープンウェイトの音楽生成モデル「Stable Audio 3.0」を公開しました。
詳細内容
Stability AIは、完全にライセンスを受けたデータで学習された次世代のオーディオ生成モデル群「Stable Audio 3.0」をリリースしました。主な特徴は以下の通りです：
1. **オープンウェイト展開**: Small SFX、Small、Mediumの3モデルをHugging Faceで公開。最上位のLargeはAPI経由で提供されます。
2. **長尺・高精度な生成**: 新開発のセマンティック・アコースティック・オートエンコーダーにより、秒単位の制御で最大6分以上の楽曲生成を実現しました。
3. **オンデバイスAI**: 3.0 Smallは、スマートフォンやノートPCなどの消費電力・リソースの限られたデバイス上でフル楽曲のオフライン作曲が可能です。
4. **高度なカスタマイズ性**: 音声生成モデルとして初めてLoRA（低ランク適応）による微調整に対応したほか、インペインティング（部分修正）や楽曲の継続生成もサポートしています。
ユーザーはコミュニティライセンスの下で出力を所有し、商用利用も可能です。同社は、画像生成におけるStable Diffusionと同様のコミュニティ主導のイノベーションを音楽分野でも期待しています。