科技界近日迎來了一項新突破，AI 初創公司 Stability AI 宣布推出 Stable Audio Open Small，這是一款專為智能手機設計的“立體聲”音頻生成 AI 模型，據稱在速度上刷新了市場記錄。這一消息由知名科技媒體 TechCrunch 在 5 月 14 日的報道中首次披露。
Stable Audio Open Small 的獨特之處在于其無需依賴云端處理，而是直接在智能手機上流暢運行。Stability AI 強調，該模型能夠在短短 8 秒內，于手機端生成最長 11 秒的音頻片段，非常適合快速創作鼓點、樂器片段等音效。這一特性使其在便捷性和即時性方面超越了諸如 Suno 和 Udio 等其他 AI 音頻應用。
在技術研發方面，Stability AI 與芯片制造商 Arm 攜手合作，對模型進行了針對 Arm CPU 的特別優化，實現了在智能手機上的離線運行。這一優化不僅提升了運行效率，還降低了對網絡連接的依賴，使得用戶可以在任何環境下自由創作音頻。
在訓練數據集的選擇上，Stable Audio Open Small 也展現出了與眾不同的策略。與 Suno 和 Udio 等競爭對手據稱使用含版權內容的數據不同，Stable Audio Open Small 的全部數據均來自 Free Music Archive 和 Freesound 免版稅音頻庫。這一做法不僅避免了知識產權風險，還為用戶提供了更加豐富多樣的音頻素材。
然而，Stable Audio Open Small 目前也存在一些限制。例如，它僅支持英文提示，無法生成逼真的歌聲或高質量歌曲。由于訓練數據偏向西方風格，該模型在不同音樂類型上的表現也存在差異。盡管如此，Stable Audio Open Small 仍然以其高效、便捷的特點吸引了大量關注。
在使用條款方面，Stability AI 采取了較為嚴格的規定。研究人員、愛好者以及年收入低于 100 萬美元的企業可以免費使用該模型。然而，對于年收入超過這一門檻的開發者或組織，則需要購買 Stability AI 的企業許可證。這一規定旨在平衡商業利益與技術創新，確保模型的可持續發展。
