תרגום מכונה · המקור באנגלית
Stable Audio 3
זה קודם כל Soniqo מסמכים Stable Audio 3 מהמקומי speech-swift / speech-core יישום Hugging Face
דף ראשון
כרטיסי נחיתה ותפריטי docs מצביעים כאן קודם; מודל מקור וקישורי החבילה נותרים זמינים מהעמוד הזה.
ב-Glance
| מודל מודל | Stable Audio 3 |
|---|---|
| תפקידים | טקסט-to-מוסיקה דור |
| חזרה | MLX, Medium DiT int8 ברירת מחדל עם int4 גרסה זמינה |
| Output | 44.1 kHz stereo Float PCM |
| שפות | שפה Prompt תלויה T5Gemma טקסט encoder |
| רישיון רישיון רישיון | Stable Audio חלים |
| סטטוס | Default Speech הרכיבה מנוע Stable Audio 3 Medium |
| מקור Source | AI Stable Audio 3 |
| Swift מוצר | StableAudio3MusicGen |
| CLI / Runtime | speech compose --engine sa3 |
שימוש בשימוש
החטיפה מתחת למראות את speech-swift API או פקודה שנחשפו על ידי ה-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
מודל קישורים
הערות יישום
- ההורדה כבר מופצת ב דיאט, SAME encoder/decoder, ו T5Gemma מנהלים; העברתה לקדמה במשקל ע"י te תתאים לנתיב הדגים המהיר יותר.
- Medium DiT משתמשת 24 שכבות, 1536 גודל חבוי, תשומת לב שונה, T5Gemmaמיזוג, ו- SAME-L decode.
- מוסיקה קטנה ו- SFX ערכות זהות קיימים, אבל הנוכחי Swift חוטי נמל קודם כל המשפחה בינונית.
- אורך הוא משתנה: צעדים מאוחרים הם ceil (שניות * 44100 / 4096), ואז הפלט הוא יבול למשך המבוקש.