AI初创公司 Stability AI 推出了 Stable Audio Open Small,一款“立体声”音频生成 AI 模型。公司宣称该模型是市场上速度最快的,同时高效到足以在智能手机上运行。
Stable Audio Open Small 是 Stability AI 与处理器制造商 Arm 合作的结晶。Arm 生产许多平板、手机及其他移动设备内的处理器。虽然已有不少利用 AI 技术生成音频的应用(如 Suno 和 Udio),但大多数依赖云端处理,这意味着它们无法离线使用。
Stability 同时宣称,Stable Audio Open Small 的训练数据集完全由免版权音频库 Free Music Archive 和 Freesound 中的歌曲构成。这与前述 Suno 和 Udio 的训练数据集形成了对比,后者据称包含受版权保护的内容,从而带来知识产权风险。
Stable Audio Open Small 拥有 341 百万个参数,并经过针对 Arm CPU 的优化。(参数,有时也称作“权重”,是指导模型行为的内部组件。)该模型专为快速生成短音频样本和音效(例如,鼓点及乐器即兴旋律)而设计。Stability AI 表示,它可以在智能手机上于不到 8 秒内生成多达 11 秒的音频。
该模型并非没有局限性。Stable Audio Open Small 目前仅支持英文提示,并且 Stability 在其文档中指出,该模型无法生成逼真的人声或高质量的歌曲。Stability 警告称,模型在不同音乐风格上的表现也存在差异,这主要是由于训练数据偏向西方音乐所致。
对于开发者而言,另一个潜在问题在于 Stable Audio Open Small 的使用条款较为严格。研究人员、爱好者以及年收入不足 100 万美元的企业可以免费使用,但开发者和年收入超过 100 万美元的组织则必须支付 Stability 的企业许可费用。
作为背后支持的公司,Stability 以其热门图像生成模型 Stable Diffusion 闻名。去年,在包括 Eric Schmidt 和 Napster 创始人 Sean Parker 在内的投资者试图扭转局面时,Stability 获得了新一轮资金。据称,该公司联合创始人及前 CEO Emad Mostaque 管理不善,导致公司陷入财务困境、员工纷纷辞职、与 Canva 的合作流产,以及投资者对公司前景日益担忧。
在过去几个月中,Stability 已聘请新 CEO,并邀请电影制片人 James Cameron 加入董事会,同时发布了数款全新的图像生成模型。
好文章,需要你的鼓励
谷歌DeepMind和伦敦大学学院研究发现,大语言模型在面对反驳时会迅速失去信心并改变答案,即使反驳是错误的。研究显示LLM既会对自己的答案过度自信,又对批评异常敏感,表现出与人类相似但又独特的认知偏差。这种行为对多轮对话AI系统构成威胁,最新信息可能对LLM推理产生不成比例的影响。
北航团队推出Easy Dataset框架,通过直观的图形界面和角色驱动的生成方法,让普通用户能够轻松将各种格式文档转换为高质量的AI训练数据。该工具集成了智能文档解析、混合分块策略和个性化问答生成功能,在金融领域实验中显著提升了AI模型的专业表现,同时保持通用能力。项目已开源并获得超过9000颗GitHub星标。
一加正式推出AI功能Plus Mind和Mind Space,将率先在一加13和13R上线。Plus Mind可保存、建议、存储和搜索屏幕内容,并将信息整理到Mind Space应用中。该功能可通过专用按键或手势激活,能自动创建日历条目并提供AI搜索功能。一加还计划推出三阶段AI战略,包括集成大语言模型和个人助手功能,同时将推出AI语音转录、通话助手和照片优化等工具。
卢森堡计算机事件响应中心开发的VLAI系统,基于RoBERTa模型,能够通过阅读漏洞描述自动判断危险等级。该系统在60万个真实漏洞数据上训练,准确率达82.8%,已集成到实际安全服务中。研究采用开源方式,为网络安全专家提供快速漏洞风险评估工具,有效解决了官方评分发布前的安全决策难题。