Stable Audio v2.0を試してみる

概要

• 4/3、高品質な音楽や音声を自動生成してくれる「Stable Audio 2.0」がStability AIが公開された
  • 44.1kHzステレオの音楽が生成できる
  • 1曲最大3分
  • T2AやA2Aも可能
  • 20クレジットは無料で使える
• 近日中にAPIも公開されるらしい

試してみる(Text To Audio)

• Input Data
  • Prompt
    • 呪文を打ち込める
  • Prompt Library
    • 呪文テンプレ集。曲のジャンルを選ぶと、基本的な呪文が自動でPromptにセットされる
  • Model
    • Stable Audio Audiosparx 1.0：従来のやつ。1クレジット使用する
    • Stable Audio Audiosparx 2.0：高品質なやつ。2クレジット使用する。最大3分の曲を作るならコレしかない
  • Duration
    • 曲の長さを指定できる
  • Input audio
    • 自家栽培の歌や曲をアップロードできる。これをベースにして曲が作れるみたい
  • Add extras
    • Steps
      • たぶんStep数が上がると生成時間を犠牲にして高品質な曲ができる
    • Seed
      • たぶん固定にすると生成に再現性が生まれる
    • Prompt strength
      • たぶんどれくらい呪文を遵守するかの強弱が設定できる

所感

• 今のところボーカル生成には対応していない模様
• 歌詞を入力すると、いい感じにボーカル曲を作ってくれるSunoと比べると、まだまだ実用性は低い気がする
  • 曲の長さは、Sunoが最大2分、Stable Audioが最大3分だが、それを大きい差と捉えるか否かにもよるかも？
• 呪文を入力する感覚は画像生成AIのStable Diffusionに近い。故に、既にStable Diffutionを触ったことがある人には分かりやすい
• 楽曲に関する呪文は非常に細かい気がするため、目的の楽曲ができるまで苦労しそう