Stable Audio 3 Small SFX(効果音モデル)
gamedev pkg add aigd.audio-stable-audio-3-small-sfx概要
Stable Audio 3 Small SFX:テキストプロンプトからゲーム用の効果音やフォーリー(打撃音、足音、UIサウンド、環境音)を1〜60秒、44.1 kHzステレオで生成します。GPU 4 GBでsa3.cppによりローカル動作し、GPUなしでも低速ながら動作します。Stability AI Community License:商用利用は年間売上100万米ドル未満に限られ、登録が必要です。
Stable Audio 3 Small SFXはStability AIの小型効果音モデルです。テキストプロンプトから、打撃音、足音、UIサウンド、フォーリー、環境音を1音あたり1秒から最大60秒まで、44.1 kHzステレオWAVで生成します。AI Game DevアプリではLocal sound effects and music(aigd.sa3cpp、sa3.cppランタイム)を通じてローカルで動作するため、サウンドごとにコストはかかりません。約4 GiBのGPUが必要ですが、GPUなしでも低速ながら動作します。短い効果音を数多く素早く必要とするゲーム開発者に適しています。ライセンス(Stability AI Community License)では、商用利用は売上上限未満かつ登録後に限り認められます(以下のライセンスの節を参照)。
作成できるもの
- ゲームプレイ用の効果音:打撃音、ヒット音、足音。
- クリック音、確認音、メニューのスウッシュなどのUIサウンド。
- カットシーンやアニメーション用のフォーリー:布、扉、物を扱う音。
- レベル用の環境音。1音あたり最大60秒。
リクエスト例
- 「明るくアーケード風の短いコイン取得音を作成してください。」
- 「木の床の足音を4秒で生成してください。」
- 「金属製の盾に重い剣が当たる音を作成してください。」
- 「水滴の音がする洞窟の環境音を30秒作成してください。」
- 「柔らかいUIクリック音のバリエーションを5つ生成してください。」
特長
| 仕様 | 値 |
|---|---|
| 動作 | テキストからSFXへ:プロンプト、長さ、任意のシードで1つのWAVが得られます |
| 出力 | 44.1 kHzステレオWAV、プロジェクトに保存 |
| 長さ | 1〜60秒(デフォルト5秒) |
| プロンプト | 最大1,000文字 |
| ステップ数 | デフォルト8、最大100 |
| ガイダンス(CFG) | デフォルト1 |
このパッケージはデータのみです。モデルファイルを指定します。アプリは以下のライセンスを確認・同意した後にファイルをダウンロードし、各ファイルをsha256で検証して、お使いのコンピューター上でsa3.cppにより実行します。
どのStable Audio 3パッケージを選ぶか
3つはいずれもLocal sound effects and music(aigd.sa3cpp)で動作し、テキストプロンプトを受け取って、同じStability AI Community Licenseの下で44.1 kHzステレオWAVを書き出します。テキストエンコーダーとトークナイザーは共有されるため、2つ目のStable Audio 3モデルは自身のファイルのみをダウンロードします。
| パッケージ | 生成内容 | 長さ | ダウンロード | 必要なもの |
|---|---|---|---|---|
| Stable Audio 3 Small SFX | 効果音、フォーリー、UIサウンド、環境音 | 1–60 s | 1.71 GB | 4 GiBのGPU。CPUでも低速で動作 |
| Stable Audio 3 Small Music | インストゥルメンタル音楽とループ | 1 s – 2 min | 1.71 GB | 4 GiBのGPU。CPUは低速 |
| Stable Audio 3 Medium | インストゥルメンタル音楽、より大型のモデル | 1 s – 6 min 20 s | 5.19 GB | CUDAで12 GiB、またはVulkanで13 GiB。Macは16 GB |
- ゲームプレイとUI向けの効果音:Small SFX。
- そこそこのGPUでの音楽、または最大2分の楽曲:Small Music。
- 12 GiB以上のGPU(CUDA、Vulkanでは13 GiB)で最大6分20秒の長いトラック:Medium。
ダウンロード
1.71 GB、5ファイルで、各ファイルはHugging Faceのコミットに固定されています。sa3.cpp向けのstabilityai/stable-audio-3-small-sfxのGGUF変換版で、sa3.cppの作者によって公開されています。テキストエンコーダーとトークナイザーはすべてのStable Audio 3モデルで共有されるため、一度だけダウンロードされます。
| ファイル | 取得元 | サイズ |
|---|---|---|
stable-audio-3-small-sfx-dit-0.5B-v1.0-F16.gguf(拡散トランスフォーマー) | thepatch/stable-audio-3-small-sfx-GGUF @ fcbd756 | 0.92 GB |
stable-audio-3-small-sfx-same-s-v1.0-F16.gguf(オートエンコーダー) | thepatch/stable-audio-3-small-sfx-GGUF @ fcbd756 | 0.22 GB |
stable-audio-3-small-sfx-conditioner-v1.0-F32.gguf(コンディショナー) | thepatch/stable-audio-3-small-sfx-GGUF @ fcbd756 | 0.8 MB |
t5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf(テキストエンコーダー) | thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf | 0.56 GB |
t5gemma-b-b-ul2-v1.0-vocab.gguf(トークナイザー) | thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf | 13.8 MB |
拡散トランスフォーマーとオートエンコーダーはF16です。sa3.cppの作者は、変換版をStability AIのPyTorchリファレンスと照合して検証しています(コサイン類似度 ~1.0)。
動作するコンピューター
| コンピューター | 速度 |
|---|---|
| CUDAまたはVulkan、VRAM 4 GiB以上 | WindowsのRTX 4090では、12秒のサウンドがCUDAで3.7秒、Vulkanで8.8秒かかり、ベースラインからの増加はそれぞれ約1.2 GiBと0.7 GiBでした。 |
| AppleシリコンのMac、メモリ8 GB以上 | 未計測 |
| 使用可能なGPUなし(CPU) | 低速:高速な16コアのデスクトップCPUで12秒のサウンドに約13秒(これらのファイルでの当社のテスト、メモリ1 GB)。旧世代のCPUではさらに大幅に遅くなります |
これらは推定値であり、保証ではありません。インストール後の最初のサウンドはより時間がかかります。
ライセンス
Stability AI Community License(オープンソースライセンスではありません)。ダウンロード前に全文をお読みください:LICENSE.md(2024年7月5日版、上流モデルのものと同一)。
- 無償利用: 研究、個人、趣味その他の非商用利用、および評価。
- 商用利用は制限されています。 あなたと関連会社を合わせた年間売上が、あらゆる収入源から100万米ドル未満である間のみ無償です。
- 売上上限はすべてのライセンスを終了させます。 あなたと関連会社の年間売上が100万米ドルを超えると、商用利用だけでなく、本契約に基づくすべてのライセンスが終了します。その場合はStability AIのエンタープライズライセンスが必要です(stability.ai/enterprise)。
- 登録: 商用利用の前に、stability.ai/community-licenseでStability AIへの登録が必要です。
- 表示: モデル、またはそれを用いた製品やサービスを配布する場合は、次のことが必要です
- 受領者にライセンスのコピーを渡す。
- このテキストを含む"Notice"テキストファイルを保持する:"This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved"。
- 関連するウェブサイト、ユーザーインターフェース、ブログ記事、aboutページ、製品ドキュメントに"Powered by Stability AI"を目立つように表示する。
- 許容される利用: 利用はStability AIのAcceptable Use Policyおよび貿易管理を含む適用法に従う必要があります。モデルまたはその出力を、別の基盤的生成AIモデルの作成や改善に使用することはできません。
- その他の条件: 表示以外の商標権はありません。Stability AIは、あなたが違反した場合にライセンスを終了できます。また、モデルまたはその出力があなたの権利を侵害すると主張してStability AIを訴えた場合にも終了します。
- 出力: あなたとStability AIの間では、生成した音声は法律が認める範囲であなたが所有します。
テキストエンコーダー: Gemma Terms of Use。 T5GemmaエンコーダーとトークナイザーはGoogleのもので(google/t5gemma-b-b-ul2)、Gemma Terms of Useに従います。Gemma Prohibited Use Policyに定める用途や、法律に反する用途に使用してはなりません。これらを再配布する場合は、次のことが必要です:
- 利用制限を、自らのライセンスまたは利用規約の強制可能な条項として含める。
- 受領者にGemma Termsのコピーを渡す。
- 変更したファイルには目立つ告知を付ける。
- "Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms"を含むNoticeファイルを含める。
ファイルとそのライセンス:
stable-audio-3-small-sfx-dit-0.5B-v1.0-F16.gguf、stable-audio-3-small-sfx-same-s-v1.0-F16.gguf、stable-audio-3-small-sfx-conditioner-v1.0-F32.gguf:Stability AI Community License(LICENSE.md)、stabilityai/stable-audio-3-small-sfxから変換。t5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf、t5gemma-b-b-ul2-v1.0-vocab.gguf:Gemma Terms of Use(LICENSE.md、NOTICE)。
Stability AIのリポジトリ経由でのアクセス。 ダウンロードの前に、アプリは公式リポジトリstabilityai/stable-audio-3-small-sfx上でStability AIの規約に同意するよう求めます。ご自身のHugging Faceアカウントで、これを開き、アクセスフォーム(名前、メールアドレス、国、利用目的)に入力して同意してください。その後、Settings › Model storage › Hugging Face(またはダウンロードカード)にHugging Faceのアクセストークンを貼り付けます。アプリはそのトークンで、あなたのアカウントにアクセス権があることを確認します(stabilityai/stable-audio-3-small-sfxの固定ファイル、05ca385への1回のリクエスト)。Stability AIのPyTorchの重みはダウンロードしません。モデルファイル自体はsa3.cppの作者によるGGUF変換(上記のthepatch/*リポジトリ)から取得され、sha256で検証され、そこにトークンは送信されません。トークンはお使いのコンピューターに留まり、huggingface.coにのみ送信されます。
これらのライセンスを遵守するのはあなたの責任です。すべてのファイルはHugging Faceからダウンロードされます。AI Game Devはそれらをホストしていません。
Powered by Stability AI. This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved.
バージョン
| バージョン | リリース日 | アプリが必要 |
|---|---|---|
| 1.1.3最新 | 0.32.0-beta.6 以降 | |
| 1.1.2 | 0.32.0-beta.6 以降 |
インストール
デスクトップアプリで
Packages ウィンドウを開き(ステータスバーのパッケージアイコン)、Browse を選んで aigd.audio-stable-audio-3-small-sfx を検索し、Add to Project をクリックします。
アプリがまだない方は、Windows、macOS、Linux 用の AI Game Dev を無料でダウンロードしてください。
ターミナルから
gamedev CLI を使い、プロジェクトフォルダーで実行します。
gamedev pkg add aigd.audio-stable-audio-3-small-sfx必要条件
- AI Game Dev 0.32.0-beta.6 以降
gamedev pkg add aigd.audio-stable-audio-3-small-sfx