Stableaudio音乐

文本直接生成20多种背景音乐。
Stable Audio 2.0 是一款由 Stability AI 开发的先进音频生成模型。

这个模型能够根据文本提示或上传的音频样本，生成高质量、长达三分钟的音乐作品，且支持多种音乐风格，如摇滚、爵士、电子、嘻哈等。

主要特点包括：

1.高质量音乐生成：Stable Audio 2.0 可以生成44.1kHz高保真的音乐作品，这些作品具有完整的结构，包括引子、发展和尾声，以及立体声音效。

2.音频到音频的转换：这个模型允许用户上传音频样本，并通过自然语言提示将这些样本转化为不同的声音。

3.高效的生成速度：与前一版本相比，Stable Audio 2.0 显著提升了音乐生成的效率，平均1分钟左右即可完成一首3分钟音乐作品的生成。

4.大规模数据集训练：模型使用了超过80万个音频文件和1.95万小时的音频数据进行训练，确保生成的音乐具有丰富的细节和真实感。

5.商业化应用支持：与知名音乐服务商 AudioSparx 合作，Stable Audio 2.0 生成的音乐可用于商业用途，适用于视频自媒体用户和商业广告制作。

6.多样化的输出格式：生成的音乐支持多种格式下载，包括 MP3、WAV 和 Video，满足不同用户的需求。

玩法指南

第一步：登录Stable Audio 2.0的网址，使用谷歌邮箱或其他邮箱进行注册登录。然后点击“Try now”，进入操作页面。

第二步：输入提示词。由于提示词直接影响生成音乐的质量，因此，官方专门给了一个指导意见：细节越多越好；最好包含流派、描述性短语、乐器、情绪、节拍等要素。

例如，Cinematic, Soundtrack, Wild West, High Noon Shoot Out, Percussion, Whistles, Horses, Action Scene, SFX, Shaker, Guitar, Bass, Timpani, Strings, Tense, Climactic, Atmospheric, Moody（电影，配乐，狂野西部，正午射击，打击乐，哨子，马，动作场景，SFX，震动器，吉他，贝斯，定音鼓，弦乐，紧张，高潮，大气，情绪化）

例如，小编选择了pop（流行风格），系统自动输入提示词：Machine, Bass, Lush Synthesizer Pads, Synthesizer Arp, Synth Bass, Vocal Sample Chops, Percussion, Honest, Heart-Felt, Melancholic, Vibe, Cool, Modern, Atmospheric, 115 BPM。

第三步：调整各项参数。首先选择模型，系统默认最新Stable Audio 2.0版本。然后选择生成的音乐时长，最长不超过3分钟。最后点击“Generate”
小编重新输入一段提示词：Cinematic, Solo Piano, Emotional, Touching, Melancholic, Reflective, Sentimental, Simple, Sparse, Heartfelt, Poignant, Evocative, Haunting, Ethereal, Atmosphere（电影风格，钢琴独奏，情感的，感人的，忧郁的，反思的，感伤的，简单的，稀疏的，衷心的，尖锐的，唤起的，萦绕的，空灵的，气氛）

最终生成的音乐效果如下：

除了文生音频，Stable Audio 2.0 还可以实现音频生音频。

用户只需上传一段音频，再输入提示词即可。例如，小编上传了一段歌曲《若月亮没来》，并要求它改编成迪斯科风格：

最终生成的效果如下：

虽然保留着原曲的曲调，但改编之后的版本过于复杂，有些乐器似乎在打架，有种录音机没电了的感觉。