本頁面由英文機器翻譯而成。閱讀英文原文。

Stable Audio 3 Small SFX(音效模型)

官方音訊GPUv1.1.3aigd.audio-stable-audio-3-small-sfx
安裝 還沒安裝應用程式?免費下載
或在終端機中執行
gamedev pkg add aigd.audio-stable-audio-3-small-sfx
在你的電腦上執行。 只需下載一次模型,之後便在這台電腦的 GPU 上生成。

總覽

Stable Audio 3 Small SFX:用文字提示詞生成遊戲音效與擬音(撞擊、腳步、UI 音效、環境音),長度 1 至 60 秒,44.1 kHz 立體聲。透過 sa3.cpp 在 4 GB 的 GPU 上本機執行,沒有 GPU 也能執行但速度較慢。Stability AI Community License:僅在完成註冊且年營收低於 100 萬美元時可商業使用。

Stable Audio 3 Small SFX 是 Stability AI 的小型音效模型。它能依文字提示詞製作撞擊聲、腳步聲、UI 音效、擬音與環境音,每個聲音長 1 秒至 60 秒,輸出 44.1 kHz 立體聲 WAV。在 AI Game Dev 應用程式中,它透過 本機音效與音樂(aigd.sa3cpp,sa3.cpp 執行環境)在本機執行,因此每個聲音都不需任何費用。它需要約 4 GiB 的 GPU,沒有 GPU 也能執行,但速度較慢。適合需要快速製作大量短音效的遊戲開發者。其授權(Stability AI Community License)僅在營收低於上限且完成註冊後才允許商業使用(請見下方授權章節)。

你可以製作的內容

  • 遊戲玩法音效:撞擊、打擊與腳步聲。
  • UI 音效,例如點擊、確認與選單滑過聲。
  • 用於過場動畫與動畫的擬音:布料摩擦、門、物品拿取聲。
  • 關卡環境音,每個聲音最長 60 秒。

範例請求

  • 「做一個簡短的撿金幣音效,明亮、帶有街機風格。」
  • 「生成木地板上的腳步聲,4 秒。」
  • 「做一個重劍擊中金屬盾牌的聲音。」
  • 「製作 30 秒的洞穴環境音,帶有滴水聲。」
  • 「給我五種柔和的 UI 點擊聲變化。」

重點特色

規格值
操作方式文字轉音效:一組提示詞、一個長度與一個選用種子碼,產生一個 WAV
輸出44.1 kHz 立體聲 WAV,儲存到你的專案中
長度1 至 60 秒(預設 5 秒)
提示詞最多 1,000 個字元
步數預設 8,最多 100
引導強度(CFG)預設 1

此套件僅包含資料。它指明模型檔案。應用程式會在你確認並接受下方授權後下載這些檔案,以 sha256 檢查每個檔案,並在你的電腦上以 sa3.cpp 執行。

該選哪一個 Stable Audio 3 套件

三者都在 本機音效與音樂(aigd.sa3cpp)上執行,接受文字提示詞並寫出 44.1 kHz 立體聲 WAV,且同樣採用 Stability AI Community License。文字編碼器與分詞器為共用元件,因此第二個 Stable Audio 3 模型只需下載自己的檔案。

套件生成內容長度下載需求
Stable Audio 3 Small SFX音效、擬音、UI 音效、環境音1–60 s1.71 GB4 GiB 的 GPU;也可在 CPU 上執行,但速度較慢
Stable Audio 3 Small Music純音樂與循環樂段1 s – 2 min1.71 GB4 GiB 的 GPU;CPU 速度較慢
Stable Audio 3 Medium純音樂,較大型的模型1 s – 6 min 20 s5.19 GBCUDA 需 12 GiB 或 Vulkan 需 13 GiB;Mac 需 16 GB
  • 遊戲玩法與 UI 音效:Small SFX。
  • 在一般 GPU 上製作音樂,或長度最多 2 分鐘的樂曲:Small Music。
  • 在 12 GiB 以上的 GPU 上製作最長 6 分 20 秒的長曲目(CUDA;Vulkan 需 13 GiB):Medium。

下載

1.71 GB,共五個檔案,各自固定在 Hugging Face 的特定 commit。它們是 stabilityai/stable-audio-3-small-sfx 供 sa3.cpp 使用的 GGUF 轉換版本,由 sa3.cpp 作者發布。文字編碼器與分詞器由所有 Stable Audio 3 模型共用,因此只需下載一次。

檔案來源大小
stable-audio-3-small-sfx-dit-0.5B-v1.0-F16.gguf(擴散 Transformer)thepatch/stable-audio-3-small-sfx-GGUF @ fcbd7560.92 GB
stable-audio-3-small-sfx-same-s-v1.0-F16.gguf(自編碼器)thepatch/stable-audio-3-small-sfx-GGUF @ fcbd7560.22 GB
stable-audio-3-small-sfx-conditioner-v1.0-F32.gguf(條件器)thepatch/stable-audio-3-small-sfx-GGUF @ fcbd7560.8 MB
t5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf(文字編碼器)thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf0.56 GB
t5gemma-b-b-ul2-v1.0-vocab.gguf(分詞器)thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf13.8 MB

擴散 Transformer 與自編碼器為 F16。sa3.cpp 作者已將轉換結果與 Stability AI 的 PyTorch 參考實作比對驗證(餘弦相似度約 1.0)。

適用電腦

電腦速度
CUDA 或 Vulkan,4 GiB 以上 VRAM在 Windows 的 RTX 4090 上,一段 12 秒的聲音在 CUDA 上耗時 3.7 秒,在 Vulkan 上耗時 8.8 秒,分別比基準多佔用約 1.2 與 0.7 GiB。
Apple 晶片的 Mac,8 GB 以上記憶體尚未實測
沒有可用的 GPU(CPU)慢:在快速的 16 核心桌機 CPU 上,12 秒的聲音約需 13 秒(我們以這些檔案測試,記憶體 1 GB);較舊的 CPU 會慢上許多

這些都是估計值,並非保證。安裝後的第一個聲音會花更久的時間。

授權

Stability AI Community License(並非開源授權)。下載前請先閱讀完整條文:LICENSE.md(2024 年 7 月 5 日版本,與上游模型完全相同)。

  • 免費使用: 研究、個人、嗜好及其他非商業用途,以及評估。
  • 商業使用受到限制。 只有在你與你的關係企業全年來自任何來源的營收低於 1,000,000 美元時,才可免費使用。
  • 營收上限會終止所有授權。 一旦你與你的關係企業年營收超過 1,000,000 美元,本協議下的所有授權都會終止,不只是商業使用。屆時你需要向 Stability AI 取得 Enterprise 授權(stability.ai/enterprise)。
  • 註冊: 在進行任何商業使用前,你必須在 stability.ai/community-license 向 Stability AI 註冊。
  • 標示來源: 若你散布本模型,或散布使用本模型的產品或服務,你必須
    1. 向收受者提供一份授權條文;
    2. 保留一個 "Notice" 文字檔,內容為:"This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved";
    3. 在相關網站、使用者介面、部落格文章、關於頁面或產品文件中顯著展示 "Powered by Stability AI"。
  • 可接受的使用: 使用時必須遵守 Stability AI 的 Acceptable Use Policy 及相關法律,包括貿易管制。你不得使用本模型或其輸出成果來建立或改進另一個基礎生成式 AI 模型。
  • 其他條款: 除標示來源外,不授予任何商標權利。若你違反授權,Stability AI 可終止授權。若你控告 Stability AI,主張本模型或其輸出成果侵害你的權利,授權也會終止。
  • 輸出成果: 在你與 Stability AI 之間,你在法律允許的範圍內擁有你所生成的音訊。

文字編碼器:Gemma Terms of Use。 T5Gemma 編碼器與分詞器為 Google 所有(google/t5gemma-b-b-ul2),採用 Gemma Terms of Use。你不得將其用於 Gemma Prohibited Use Policy 所列用途,也不得違法使用。若你重新散布這些元件,你必須:

  1. 將使用限制納入你自己的授權或使用條款,使其成為可強制執行的條款;
  2. 向收受者提供一份 Gemma 條款;
  3. 在你修改過的檔案上加上顯著的標記;
  4. 附上一份內含 "Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms" 的 Notice 檔案。

檔案及其授權:

  • 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),轉換自 stabilityai/stable-audio-3-small-sfx。
  • 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)。

透過 Stability AI 的儲存庫取得存取權。 在下載之前,應用程式會要求你以自己的 Hugging Face 帳號,在其官方儲存庫 stabilityai/stable-audio-3-small-sfx 上接受 Stability AI 的條款:開啟該頁面,填寫存取表單(姓名、電子郵件、國家、預定用途)並接受。接著在設定 › 模型儲存 › Hugging Face(或在下載卡片中)貼上 Hugging Face 存取權杖。應用程式會用該權杖確認你的帳號具有存取權(只向 stabilityai/stable-audio-3-small-sfx 在 05ca385 的一個固定檔案發出一次請求);它不會下載 Stability AI 的 PyTorch 權重。模型檔案本身來自 sa3.cpp 作者的 GGUF 轉換版本(即上方的 thepatch/* 儲存庫),並以 sha256 檢查,過程中不會送出權杖。權杖只會留在你的電腦上,且只會傳送到 huggingface.co。

你有責任遵守這些授權。所有檔案皆從 Hugging Face 下載,AI Game Dev 並不代管這些檔案。

Powered by Stability AI. This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved.

版本

Stable Audio 3 Small SFX(音效模型) 的發布版本
版本發布日期需搭配應用程式
1.1.3最新0.32.0-beta.6 或更新版本
1.1.20.32.0-beta.6 或更新版本

安裝

在桌面應用程式中

開啟 套件 視窗(狀態列上的套件圖示),選擇 瀏覽,搜尋 aigd.audio-stable-audio-3-small-sfx,然後點選 加到專案。

還沒安裝應用程式?免費下載 AI Game Dev,支援 Windows、macOS 與 Linux。

從終端機

在你的專案資料夾中,使用 gamedev CLI:

gamedev pkg add aigd.audio-stable-audio-3-small-sfx

需求

  • AI Game Dev 0.32.0-beta.6 或更新版本

進一步瞭解套件

安裝
gamedev pkg add aigd.audio-stable-audio-3-small-sfx