スマホでローカル動作する音楽生成AI「Stable Audio Open Small」が公開される、最大11秒の音声を8秒未満で生成可能

画像生成AI「Stable Diffusion」の開発で知られるAI開発企業のStability AIが、スマートフォンでローカル動作する音楽生成AI「Stable Audio Open Small」を公開しました。Stable Audio Open SmallはArmと協力して開発されており、ArmアーキテクチャのCPUを搭載したスマートフォンで最大11秒の音楽を8秒未満で生成できます。

Stability AI and Arm Collaborate to Release Stable Audio Open Small, Enabling Real-World Deployment for On-Device Audio Generation — Stability AI
https://stability.ai/news/stability-ai-and-arm-release-stable-audio-open-small-enabling-real-world-deployment-for-on-device-audio-control

Stable Audio Open Smallは2024年6月に登場したパラメーター数11億の音楽生成AI「Stable Audio Open」をベースに開発されており、パラメーター数は3億4100万にまで削減されています。また、ArmのAIアクセラレーションライブラリ「Kleidi」を活用することでArmベースのCPUを搭載したスマートフォン上でローカル動作するほどの軽量化を実現しています。

スマートフォンでStable Audio Open Smallを実行すると、最大11秒の音楽を8秒以内に生成可能。Stable Audio Open Smallで生成した音楽の例は以下のポストに埋め込まれています。

Stable Audio Open Smallのライセンスは「Stability AI Community License」で、非商用なら無料で利用可能。また、年間収益が100万ドル(約1億5000万円)未満なら商用利用でも無料で使えます。

Stable Audio Open Smallのモデルデータは以下のリンク先で配布されています。

stabilityai/stable-audio-open-small · Hugging Face
https://huggingface.co/stabilityai/stable-audio-open-small

また、Armによるドキュメントが以下のリンク先で公開されています。

Generate audio with Stable Audio Open Small on LiteRT | Arm Learning Paths
https://learn.arm.com/learning-paths/mobile-graphics-and-gaming/run-stable-audio-open-small-with-lite-rt