Stability AIは4月3日、テキストプロンプトから楽曲を生成できるAI「Stable Audio」の新バージョン「Stable Audio 2.0」を発表した。
最大3分の楽曲を高音質で生成可能
Stable Audio 2.0では、生成可能な楽曲の長さをこれまでの最大45秒から最大3分間に拡大。イントロ、展開、アウトロといった構成も踏まえた本格的なステレオ音声の楽曲を、より手軽に生成できるようになった。
Stable Audio 2.0の操作画面
生成された楽曲ファイルのサンプリングレートは、CDと同じ44.1kHz。無料プランでは不可逆圧縮のMP3か動画のみダウンロード可能だが、有料プランを契約すれば無圧縮の音声ファイル（WAV）も選択できる。
有料プランを契約すればWAV形式でもダウンロード可能
本バージョンでは新機能として、アップロードされた音声サンプルを基に楽曲を生成する「Audio-to-Audio変換」に対応。テキストプロンプトと併用も可能で、より柔軟なアレンジができるようになった。著作権で保護された楽曲素材のアップロードをリアルタイムで防ぐ仕組みも用意されており、コンプライアンスについても一定の配慮がなされている。
ほかにも、バリエーションと効果音の作成や、プロジェクトの特定のスタイルやトーンにあわせた楽曲を生成するスタイル転送機能など、複数の新機能を追加。いずれも無料プラン、有料プランを問わず利用可能だ。
AIの学習データについてはStable Audio 1.0と同様、アーティスト側がAI学習用途への利用可否を選べるAudioSparxのデータを使用。生成された楽曲の商用利用もできるが、こちらは用途に合った有料プランを契約する必要がある。
