Audio

感谢阿里通义千问开源 Qwen2-Audio 系列的两个模型 Qwen2-Audio-7B 和 Qwen2-Audio-7B-Instruct。作为一个大规模音频语言模型，Qwen2-Audio 能够接受各种音频信号输入，并根据语音指令执行音频分析或直接响应文本，有两种不同的音频交互模式：语音聊天：用户可以自由地与 Qwen2-Audio 进行语音互动，而无需文本输入音频分析：用户可以在互动过程中…

Stability AI 立足 Stable Diffusion 文生图模型，进一步向音频领域拓展，推出了 Stable Audio Open，可以鉴于用户输入的提示词，生成高质量音频样本。Stable Audio Open 最长可以创建 47 秒的音乐，非常适合鼓点、乐器旋律、环境音和拟声音效，该开源模型鉴于 transforms 扩散模型（DiT），在自动编码器的潜在空间中操作，提高生成音频的…

Stability AI 近日发布新闻稿，宣布推出 Stable Audio2.0，可以鉴于用户输入的提示词，生成最长 3 分钟的破碎音轨。Stable Audio 2.0 在此前 1.0 版本基础上，进一步为音频生成扩张了前奏、副歌、扫尾和立体声成效等实质，最长可以生成 3 分钟的音频实质。Stable Audio 2.0 扩充了生成性能之外，还提供了音频生成音频性能，鉴于用户上传的一小段音频实…