Stability AIとArmが「Stable Audio Open Small」を共同リリース、オンデバイス音声生成の実用化を実現

主なポイント: Stable Audio Open Small をオープンソース化しました。これは 3.41 億パラメータのテキストから音声への変換モデルで、Arm CPU のみで完全に実行できるように最適化されています。短い音声サンプルを素早く生成するために設計されており、スマートフォン上で 8 秒未満で最大 11 秒分の音声を生成できます。 今回のリリースは、Mobile World Congress で発表したばかりの取り組みに基づき、Arm とのコラボレーションを通じて、スマートフォーンでの生成型オーディオ作成を実現するものです。 開発者は、Arm CPU 上で Stable Audio Open Small を活用するためのハンズオンガイドを提供する新しい Arm の学習パスを探索できます。 Stable Audio Open Small は、寛容な Stability AI コミュニティライセンスの下で、商用・非商用を問わず無料で利用可能です。論文は arXiv で閲覧でき、モデルの重みは Hugging Face からダウンロードし、コードは GitHub でアクセスできます。 重みのダウンロード 重みのダウンロード モバイルフォンへの生成型オーディオ作成の導入 Arm とのパートナーシップにより、Stable Audio Open Small をオープンソース化しました。Arm の技術は世界中のスマートフォンの 99% に搭載されています。業界をリードするテキストから音声への変換モデル「Stable Audio Open」に基づき、新しいコンパクトなバリアントはより小さく高速ですが、出力品質とプロンプトへの忠実性は維持されています。 今回のリリースは、Stable Audio Open が Arm KleidiAI を活用してモバイルフォン上で AI 生成オーディオを可能にするよう最適化されたという、以前発表した画期的な成果に続くものです。Mobile World Congress でこの技術を実演した後、Stability AI と Arm は、誰でもモデルの重みにアクセスし、デプロイできるよう公開しました。 技術的な進展 私どもの知る限り、Stable Audio Open Small は市場で最も高速なステレオテキストからオーディオへのモデルです。モデルの技術的詳細については研究論文をご覧ください。主な特徴は以下の通りです。 軽量: Stable Audio Open Small のパラメータ数は 341M で、Stable Audio Open の 1.1B に比べて大幅に軽量化されています。 高速: Stable Audio Open Small はモバイルフォンでのオーディオ生成を 8 秒未満で完了できるよう最適化されており、生成も微調整（ファインチューニング）も迅速に行えます。 効率的: Arm の KleidiAI ライブラリを活用し、エッジ側でもより効率的に動作するように設計しました。これにより、ユーザーはより高速な結果を得られる一方で、計算時間のコストを削減できます。Arm CPU 上で完全に動作するため、Stable Audio Open Small は重厚なハードウェア要件なしにも利用可能です。 モデルの活用タイミング Stable Audio Open と同様に、Stable Audio Open Small はテキストプロンプトを使用して短いオーディオサンプル、効果音、制作要素を生成するために最適化されています。ドラムループ、フォリー（効果音）、楽器のリフ、アンビエントテクスチャの作成に特に適しています。 そのコンパクトなサイズと高速推論により、リアルタイム生成と応答性が重要な Arm 搭載スマートフォンやエッジデバイスでのオンデバイス展開に完璧に適しています。 AI ドライブ型のクリエイティブメディアワークロードがエッジへ移行するにつれ、小規模モデルは計算リソースをタスクの複雑さに合わせるのに役立ちます。異なるモデルサイズを使用することで、組織は使用ケースに最適なプロセッサにワークロードを割り当てることができます。例えば、短い効果音の生成とフルレングスの楽曲の生成などです。 始め方 Stable Audio Open Small は、寛容な Stability AI コミュニティライセンスの下で、商用・非商用を問わず無料で利用可能です。論文は arXiv で読むことができ、モデルの重みは Hugging Face からダウンロードでき、コードは GitHub でアクセスできます。 Arm ハードウェア上で Stable Audio Open Small を展開する方法については Arm Learning Path を、Stable Audio Open Small がオンデバイスパフォーマンスのためにどのように最適化されたかについての詳細な技術解説については Arm Community Blog をご覧ください。 進捗状況の最新情報をお知りになりたい場合は、X、LinkedIn、Instagram でフォローするか、Discord コミュニティにご参加ください。

Stability AIとArmが「Stable Audio Open Small」を共同リリース、オンデバイス音声生成の実用化を実現

背景や根拠まで確認しますか？

このニュースを、実務の判断につなげる

調べる

選ぶ

サイト