AI初创公司 Stability AI推出了 Stable Audio Open Small，一款“立体声”音频生成 AI 模型。公司宣称该模型是市场上速度最快的，同时高效到足以在智能手机上运行。

Stable Audio Open Small 是 Stability AI 与处理器制造商 Arm合作的结晶。Arm 生产许多平板、手机及其他移动设备内的处理器。虽然已有不少利用 AI技术生成音频的应用（如 Suno 和 Udio），但大多数依赖云端处理，这意味着它们无法离线使用。

Stability 同时宣称，Stable Audio Open Small 的训练数据集完全由免版权音频库 Free MusicArchive 和 Freesound 中的歌曲构成。这与前述 Suno 和 Udio 的训练数据集形成了对比，后者据称包含受版权保护的内容，从而带来知识产权风险。

Stable Audio Open Small 拥有 341 百万个参数，并经过针对 Arm CPU 的优化。（参数，有时也称作“权重”，是指导模型行为的内部组件。）该模型专为快速生成短音频样本和音效（例如，鼓点及乐器即兴旋律）而设计。Stability AI 表示，它可以在智能手机上于不到 8 秒内生成多达 11 秒的音频。

该模型并非没有局限性。Stable Audio Open Small 目前仅支持英文提示，并且 Stability 在其文档中指出，该模型无法生成逼真的人声或高质量的歌曲。Stability 警告称，模型在不同音乐风格上的表现也存在差异，这主要是由于训练数据偏向西方音乐所致。

对于开发者而言，另一个潜在问题在于 Stable Audio Open Small 的使用条款较为严格。研究人员、爱好者以及年收入不足 100 万美元的企业可以免费使用，但开发者和年收入超过 100 万美元的组织则必须支付 Stability 的企业许可费用。

作为背后支持的公司，Stability 以其热门图像生成模型 Stable Diffusion 闻名。去年，在包括 Eric Schmidt和 Napster 创始人 Sean Parker在内的投资者试图扭转局面时，Stability 获得了新一轮资金。据称，该公司联合创始人及前 CEO Emad Mostaque 管理不善，导致公司陷入财务困境、员工纷纷辞职、与 Canva的合作流产，以及投资者对公司前景日益担忧。

在过去几个月中，Stability 已聘请新 CEO，并邀请电影制片人 James Cameron加入董事会，同时发布了数款全新的图像生成模型。