Stable Audio
Stability AI推出的音频生成模型，基于Latent Diffusion架构，支持文本描述生成高质量音频和音乐片段
核心事实
时间轴 (近 90 天)
文本到音频方向的代表性模型包括 Meta 的 AudioGen、Google 的 AudioLM 和 AudioPaLM，以及 Stability AI 的 Stable Audio
开发者的工具栈包括Blender MCP、TripoAI用于3D模型，Godot MCP用于引擎集成，Codex作为备用，ElevenLabs做音效，Stable Audio做音乐
Suno的主要竞争对手包括Udio、Google的MusicFX、Meta开源的MusicGen以及Stability AI的Stable Audio、Beatoven.ai等
Stability AI的Stable Audio基于潜在扩散模型，在压缩后的潜在空间而非原始波形空间中进行扩散过程
Meta的MusicGen基于单阶段Transformer解码离散音频token，Google DeepMind的MusicLM基于层级化音频语言模型，Stability AI的Stable Audio基于潜在扩散模型
ElevenLabs 的音效模型和 Stability AI 的 Stable Audio 等工具已能生成高质量环境音和拟声效果
全部知识事实 (6)
ElevenLabs 的音效模型和 Stability AI 的 Stable Audio 等工具已能生成高质量环境音和拟声效果
75%待验证Stability AI的Stable Audio基于潜在扩散模型，在压缩后的潜在空间而非原始波形空间中进行扩散过程
60%待验证文本到音频方向的代表性模型包括 Meta 的 AudioGen、Google 的 AudioLM 和 AudioPaLM，以及 Stability AI 的 Stable Audio
50%待验证开发者的工具栈包括Blender MCP、TripoAI用于3D模型，Godot MCP用于引擎集成，Codex作为备用，ElevenLabs做音效，Stable Audio做音乐
50%待验证Suno的主要竞争对手包括Udio、Google的MusicFX、Meta开源的MusicGen以及Stability AI的Stable Audio、Beatoven.ai等
50%待验证Meta的MusicGen基于单阶段Transformer解码离散音频token，Google DeepMind的MusicLM基于层级化音频语言模型，Stability AI的Stable Audio基于潜在扩散模型
50%