/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
stable-audio-open-1.0
Опубликована
12 апр 2026

stable-audio-open-models

Генерация аудиоТекст → аудио3 профессии

Дообученная Stable Audio Open 1.0 генерирует короткие стереозвуковые эффекты, эмбиент и музыкальные текстуры по текстовым описаниям.

306скачиваний за 30 дней2лайкавеса обновлены12 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AEmotionStudio публикует зеркало весов Stable Audio Open 1.0 от Stability AI, дообученной модели генерации стереозвука по текстовому описанию. Репозиторий содержит веса в формате safetensors для использования с Diffusers и рабочей станцией Mæstræa AI Workstation.

Модель предназначена для создания звуковых эффектов, эмбиентных текстур и музыкальных фрагментов: например, Foley, переходов, дождя, ветра, шума толпы, пэдов и многослойных звуковых сцен. Генерирует стерео с частотой 44,1 кГц длительностью до 47 секунд. Для работы требуется видеопамять: в README указано около 4 ГБ как минимум и около 7 ГБ для более длинной генерации в FP16.

Модель плохо подходит для полноценных песен с вокалом, высокодетализированных музыкальных инструментов и синтеза речи. Указана Stability AI Community License; применяются её условия. В карточке это зеркало без ограничения доступа, но это не отменяет требований лицензии оригинальной модели.

Сценарии применения

  • создание звуков Foley и эффектов ударов
  • генерация звуковых переходов для видео и игр
  • создание эмбиента дождя, ветра и окружающей среды
  • генерация музыкальных пэдов и атмосферных дронов
  • создание многослойных звуковых сцен по описанию

Ограничения

Не предназначена для синтеза речи, полноценных песен с вокалом и высокодетализированных музыкальных инструментов. Генерация ограничена 47 секундами, а для FP16 требуется примерно от 4 до 7 ГБ видеопамяти.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Stable Audio Open 1.0 (Mæstræa Mirror)

Text-to-Audio SFX & Ambient Textures — Up to 47s Stereo @ 44.1kHz

Original Model by Stability AI · Stability AI Community License

This is an ungated mirror of the Stable Audio Open 1.0 model weights for use with Mæstræa AI Workstation. Only safetensors-format weights are included (legacy .ckpt files stripped). All credits go to the original authors.

What's in This Repo

PathDescriptionSize
model.safetensorsMain model checkpoint~3 GB
transformer/diffusion_pytorch_model.safetensorsDiT transformer~1.5 GB
text_encoder/model.safetensorsT5 text encoder~1.2 GB
vae/diffusion_pytorch_model.safetensorsVAE decoder~150 MB
projection_model/diffusion_pytorch_model.safetensorsProjection model~50 MB
tokenizer/T5 tokenizer files< 10 MB
model_config.jsonModel architecture config< 1 KB
model_index.jsonDiffusers pipeline index< 1 KB
scheduler/Scheduler config< 1 KB

What Stable Audio Open Does

Stable Audio Open generates stereo audio at 44.1kHz from text prompts. It excels at:

  • Sound effects — Foley, impacts, transitions
  • Ambient textures — Rain, wind, crowds, environments
  • Musical textures — Pads, drones, atmospheric sounds
  • Audio scenes — Complex layered soundscapes

Up to 47 seconds of stereo audio per generation.

What It's NOT Good At

  • Full songs with vocals
  • High-fidelity musical instruments (use Foundation-1 for that)
  • Speech synthesis

VRAM Requirements

  • Minimum: ~4 GB (FP16)
  • Recommended: ~7 GB (FP16, longer durations)

Usage with Mæstræa

These models are automatically downloaded by the Mæstræa AI Workstation backend.

Direct Usage (diffusers)

from diffusers import StableAudioPipeline
import torch

pipe = StableAudioPipeline.from_pretrained(
    "AEmotionStudio/stable-audio-open-models",
    torch_dtype=torch.float16,
).to("cuda")

audio = pipe(
    prompt="Thunderstorm with heavy rain and distant rolling thunder",
    negative_prompt="low quality, distorted",
    audio_end_in_s=10.0,
    num_inference_steps=100,
).audios[0]

Using stable-audio-tools

from stable_audio_tools import get_pretrained_model
model, model_config = get_pretrained_model("AEmotionStudio/stable-audio-open-models")

License

Stability AI Community License — see LICENSE.md for full terms.

Key points:

  • Free for research and non-commercial use
  • Commercial use requires revenue < $1M/year or a separate license from Stability AI
  • Model outputs cannot be used to train competing models

Credits

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
385bdec

0 моделей