Maskinoversættelse · Engelsk original

Stable Audio 3

Denne første part Soniqo side dokumenter Stable Audio 3 fra den lokale speech-swift / speech-core implementering. Hugging Face bundter er knyttet nedenfor efter integration noter.

Intern side først

Landingskort og docs menuer peger nu her først; kildemodel og bundlink er stadig tilgængelige fra denne side.

På en Glance

Model	Stable Audio 3
Rolle	Tekst- to- musik generation
Backend	MLX, Medium DiT int8 standard med int4 variant tilgængelig
Output	44.1 kHz stereo Float PCM
Sprog	Prompt sprog afhænger af T5Gemma tekst encoder
Licens	Stable Audio-modeltermer gælder
Status	Standard tale komponere motor til Stable Audio 3 Medium
Kilde	Stabilitet AI Stable Audio 3
Swift produkt	`StableAudio3MusicGen`
CLI / runtime	`speech compose --engine sa3`

Anvendelse

Snuppet nedenfor afspejler den aktuelle speech-swift API eller kommando udsat af repo.

# Generate 30 seconds of 44.1 kHz stereo audio.
.build/release/speech compose "lofi house loop" \
  --engine sa3 \
  --sa3-variant medium-int8 \
  --seconds 30 \
  -o music.wav

Model Links

Gennemførelsesnoter

Download er allerede inkluderet i DiT, SAME encoder / dekoder, og T5Gemma mapper; flytte det til by- vægtet fremskridt ville matche den hurtigere Fish sti.
Medium DiT-anvendelse 24 lag 1536 skjult størrelse, differentieret opmærksomhed, T5Gemma Konditionering, og SAME- L afkode.
Lille musik og lille SFX bundt ID 'er findes, men den nuværende Swift port ledninger til Medium familien først.
Længde er variabel: latente trin er ceil (sekunder * 44100 / 4096), derefter er output beskåret til den ønskede varighed.