Stability AI 是人工智能艺术生成器 Stable Diffusion 背后的初创公司，近日发布了一个用于生成声音和歌曲的开源 AI 模型，该公司声称该模型仅使用免版税录音进行训练。
该生成式模型名为 Stable Audio Open，它接受文本描述（例如“在经过声学处理的演播室中演奏的摇滚节拍，原声鼓组的现场鼓点”），并输出最长 47 秒的录音。该模型使用了来自免费音乐库 Freesound 和 Free Music Archive 的大约 486,000 个样本进行训练。
Stability AI 表示，该模型可用于为视频、电影和电视节目创建鼓点、乐器乐句、环境噪音和“制作元素”，还可以用来“编辑”现有歌曲或将一首歌的风格（例如平滑爵士）应用到另一首歌曲上。
“这一开源发布的一个关键好处是，用户可以在自己的自定义音频数据上对模型进行微调，” Stability AI 在其公司博客的一篇文章中写道。“例如，鼓手可以使用自己录制的鼓样本对模型进行微调，以生成新的节拍。”
然而，Stable Audio Open 也存在局限性。它无法生成完整的歌曲、旋律或人声——至少目前无法生成高质量的内容。Stability AI 表示，该模型并未针对这些功能进行优化，并建议有此类需求的用户使用该公司的 高级 Stable Audio 服务。
此外，Stable Audio Open 也不得用于商业用途；其服务条款禁止这样做。而且，它在不同音乐风格和文化之间，以及在使用非英语描述时的表现并不均衡——Stability AI 将这些偏差归咎于训练数据。
“数据来源可能缺乏多样性，数据集中并非所有文化都得到平等代表，” Stability AI 在一份关于该模型的 说明 中写道，“该模型生成的样本将反映训练数据中的偏见。”
Stability AI ——这家长期努力扭转业务下滑局面的公司——最近因其生成式音频副总裁 Ed Newton-Rex 辞职而陷入争议，原因是他与公司关于利用受版权保护的作品训练生成式 AI 模型构成“合理使用”的立场存在分歧。Stable Audio Open 的出现似乎旨在扭转这一叙事，同时也在不太隐晦地宣传 Stability AI 的付费产品。
随着包括 Stability 在内的音乐生成器日益流行，版权问题——以及某些生成器创作者可能滥用版权的方式——正成为关注的焦点。
5月，代表 Billy Joel、Doja Cat 和 Lil Nas X 等艺人的 Sony Music 致信给 700 家 AI 公司，警告其不要“未经授权”使用其内容来训练音频生成器。而在3月，美国首个旨在遏制音乐领域 AI 滥用的法律在田纳西州签署生效。