Traduzione automatica · Originale inglese

Stable Audio 3

Questo primo partito Soniqo documenti pagina Stable Audio 3 dal locale speech-swift / speech-core implementazione. Hugging Face i fasci sono collegati di seguito dopo le note di integrazione.

Pagina iniziale

Le carte di atterraggio e i menu Docs ora puntano qui prima; il modello di sorgente e i link di fascio rimangono disponibili da questa pagina.

In un solco

Modello	Stable Audio 3
Role	Generazione testi-musica
Indietro	MLX, Medio DiT int8 predefinito con int4 variante disponibile
Produzione	44.1 kHz stereo Float PCM
Lingue	La lingua prompt dipende dal testo encoder T5Gemma
Licenza	Si applicano i termini del modello Stable Audio
Stato	Il discorso di default compone il motore per Stable Audio 3 Medium
Fonte	Stabilità AI Stable Audio 3
Prodotto Swift	`StableAudio3MusicGen`
CLI / runtime	`speech compose --engine sa3`

Uso

Lo snippet seguente rispecchia l'attuale speech-swift API o comando esposto dal 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

Link di modello

Note di attuazione

Il download è già integrato in DiT, SAME encoder/decoder, e T5Gemma
Medium DiT utilizza 24 strati, 1536 dimensioni nascoste, l'attenzione differenziale, T5Gemma condizionamento e decodifica SAME-L.
Piccoli ID SFX e Piccoli pacchetti esistono, ma l'attuale Swift porta fili la famiglia Media prima.
La lunghezza è variabile: i passaggi latenti sono ceil (secondi * 44100 / 4096), quindi l'output viene ritagliato alla durata richiesta.