Maskinöversättning · Engelskt original

Stable Audio 3

Denna första part Soniqo siddokument Stable Audio 3 från den lokala speech-swift / speech-core implementering. Hugging Face buntar är länkade nedan efter integrationsnoterna.

Intern sida först

Landningskort och docs-menyer pekar nu här först; källmodell och buntlänkar förblir tillgängliga från denna sida.

På en Glance

Modell	Stable Audio 3
Rollen	Text-till-musikgenerering
Backend	MLX, Medium DiT int8 standard med int4 variant tillgänglig
Output	44.1 kHz stereo Float PCM
Språk	Snabbt språk beror på T5Gemma textkodare
Licens	Stable Audio modellvillkor gäller
Status	Standardtalkompositmotor för Stable Audio 3 Medium
Källa	Stabilitet AI Stable Audio 3
Swift produkt	`StableAudio3MusicGen`
CLI / runtime	`speech compose --engine sa3`

Användning

Nyckeln nedan speglar den nuvarande speech-swift API eller kommandot exponerat av repan.

# 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

Modelllänkar

Implementeringsmeddelanden

Ladda ner är redan komponentiserad i DiT, SAME-kodare / dekoder och T5Gemma kataloger; flytta den till bytesviktiga framsteg skulle matcha den snabbare fiskvägen.
Medium DiT använder 24 lager, 1536 dold storlek, differential uppmärksamhet, T5Gemma konditionering och SAME-L avkodning.
Små musik- och små SFX-paket-ID finns, men de nuvarande Swift-porten trådar Medium-familjen först.
Längd är variabel: latenta steg är tak (andra * 44100 / 4096), sedan utgången skördas till den begärda varaktigheten.