Stable-audio-open-small：音频生成模型 Demo

一、教程简介

Stable-audio-open-small 是由 Stability AI 与 Arm 于 2025 年 5 月 13 日推出的音频生成 AI 模型。专注于高效创作高质量短音频内容。基于先进的扩散模型技术，支持用户通过文本提示快速生成音乐片段、音效及环境声等多样化音频（如鼓点循环、旋律片段或自然音景），适用于音乐制作、游戏开发、影视配乐等场景。相关论文成果为「Fast Text-to-Audio Generation with Adversarial Post-Training」。

本教程采用资源为单卡 A6000 。生成提示词仅支持英文。

二、项目示例

三、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 1-2 分钟后刷新页面。

2. 进入网页后，即可与模型展开对话

提示：参数设置不恰当可能生成噪声。使用 Safari 浏览器时，音频可能无法直接播放，需要下载后进行播放。

使用步骤

参数说明：

• Seconds total： 生成音频的总时长。
• Steps： 示模型的迭代次数或推理过程中的步数, 代表模型用于生成结果的优化步数。更高的步数通常会生成更精细的结果，但可能增加计算时间。
• CFG Scale： 用于控制生成模型中条件输入对生成结果的影响程度, 越高越遵循文本描述。

Sampler params

• Seed： 随机种子，保持不变可重复生成相同的结果。
• CFG interval min： 设置条件引导在扩散过程的时间起始点。
• CFG interval max： 设置条件引导在扩散过程的时间终止点。
• CFG rescale amount： 通过动态调整条件强度防止数值溢出，提升高条件强度下的生成稳定性。

Output params

• File format： 选择输出文件格式。
• File naming： 选择输出文件命名方式。
• Spec Preview Every： 选择是否预览频谱图。
• Cut to seconds total： 是否裁剪到指定时长。
• Autoplay： 是否自动播放。
• Infinite Radio： 是否循环生成。
• Auto Download： 是否自动下载。

Init audio

• Init audio： 选择初始化音频文件，用于生成新的音频。
• Init noise level： 初始化噪声级别，用于控制生成音频的初始随机性。

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓