Stability AI发布Stable Audio 3：快速潜在扩散模型系列，用于音频生成和编辑

Stability AI发布了Stable Audio 3，这是一个潜在扩散模型系列，用于生成和编辑44.1 kHz立体声音频。该系列提供小型、中型和大型三种规模，其中小型和中型开源。关键技术包括高度压缩的SAME自编码器、可变长度生成以及结合流匹配、蒸馏和对抗性后训练的三阶段训练流程。该模型在音乐和音效基准测试中取得了最先进的结果，并支持基于修补的音频编辑。