语言:

• 英文 库名称: stable-audio-tools 许可证: 其他 许可证名称: stabilityai-ai-community 许可证链接: LICENSE.md 管道标签: 音频转音频 额外授权提示: >- 点击"同意"即表示您同意遵守许可协议， 并确认已阅读Stability AI的隐私政策。 额外授权字段: 姓名: 文本 电子邮箱: 文本 国家: 国家选择 所属组织或机构: 文本 是否接收Stability AI产品、服务及研究的电子邮件更新与推广？: 类型: 选择 选项:
  • '是'
  • '否'

stable-codec-speech-16k 模型卡片

stable-codec-speech-16k 是一款基于Transformer架构的编解码模型，专为高质量、低比特率音频编码设计。该模型通过将音频波形编码为离散标记进行处理，后续可解码还原原始音频波形。

重要提示：年收入达到或超过100万美元（或等值当地货币）的个人或组织，无论收入来源为何，在将Stable Codec、其衍生作品（如"微调"模型）或其输出用于商业用途前，必须直接向Stability AI获取企业商业许可证。您可通过https://stability.ai/enterprise提交企业许可证申请。更多信息请参阅Stability AI社区许可证https://stability.ai/license。

模型描述

• 开发机构: Stability AI
• 模型类型: Transformer音频编解码模型
• 模型详情: 本发布模型是专为将真实世界语音数据压缩成适合生成建模的格式而设计的语音编解码器。它为开发语音理解与生成的下游应用（如文本转语音系统和对话式AI模型）提供了基础工具。详情请参阅我们的arXiv论文和GitHub代码库。

许可证

• 社区许可证: 年收入低于100万美元（或等值当地货币）的组织和个人可免费用于研究、非商业及商业用途。若年收入超过100万美元，任何商业使用本模型或其衍生作品均需直接向Stability AI获取企业许可证。申请请访问https://stability.ai/enterprise。更多信息详见Stability AI社区许可证https://stability.ai/license。

模型来源

• 代码仓库: https://github.com/Stability-AI/stable-codec
• 音频演示: https://stability-ai.github.io/stable-codec-demo/
• arXiv论文: https://arxiv.org/abs/2411.19842

训练数据集

模型训练数据源自知识共享许可或公有领域的有声书录音。详见学术论文。

使用说明

使用方法请参考我们的GitHub代码库

预期用途

包括但不限于以下场景：

• 语音信号的高效压缩存储与流传输
• 增强语音类应用（如电信系统和实时通讯平台）
• 音频编码与语音合成领域的研究开发（包括编解码性能分析与优化）
• 开发语音识别与生成等下游应用

所有使用行为均需遵守我们的可接受使用政策。

非适用场景

本模型仅针对非重叠的清晰英语语音训练，在此类场景下表现最优。不适用于需要高保真音乐或环境音编码的应用。

联系方式

问题反馈或联系我们：

• 安全问题: safety@stability.ai
• 安全问题: security@stability.ai
• 隐私问题: privacy@stability.ai
• 许可证及一般咨询: https://stability.ai/license
• 企业许可证: https://stability.ai/enterprise