Stable Codec Speech 16k

🚀 stable-codec-speech-16k模型卡片

stable-codec-speech-16k 是一個基於Transformer的編解碼器模型，旨在實現高質量、低比特率的音頻編碼。它通過將音頻波形編碼為離散的令牌，之後再將這些令牌解碼回原始音頻波形來處理音頻。

請注意：對於年營收達到100萬美元（或等值當地貨幣）及以上的個人或組織，無論營收來源如何，在商業使用Stable Codec、其任何衍生作品（如“微調”模型）或其輸出之前，必須直接從Stability AI獲得企業商業許可。您可以在https://stability.ai/enterprise提交企業許可申請。更多信息請參考Stability AI的社區許可協議：https://stability.ai/license。

🚀 快速開始

如需使用說明，請參考我們的GitHub倉庫。

✨ 主要特性

• 高效音頻編碼：能夠將音頻波形編碼為離散令牌，實現高質量、低比特率的音頻編碼。
• 廣泛應用場景：可用於語音信號的高效壓縮、增強基於語音的應用、音頻編碼和語音合成的研究與開發，以及下游應用的開發。

📚 詳細文檔

模型描述

• 開發者：Stability AI
• 模型類型：Transformer音頻編解碼器模型
• 模型詳情：此發佈的模型是一個語音編解碼器，旨在將現實世界的語音數據壓縮成適合生成式建模的格式。它為開發語音理解和生成的下游應用（如文本轉語音系統和對話式AI模型）提供了基礎工具。 請查看我們的arXiv頁面和Github倉庫以獲取詳細信息。

許可證

• 社區許可：對於年營收低於100萬美元（或等值當地貨幣）的組織和個人，可免費用於研究、非商業和商業用途。如果您的年營收超過100萬美元，任何對該模型或其衍生作品的商業使用都需要直接從Stability AI獲得企業許可。您可以在https://stability.ai/enterprise提交企業許可申請。更多信息請參考Stability AI的社區許可協議：https://stability.ai/license。

模型來源

• 倉庫：https://github.com/Stability-AI/stable-codec
• 音頻演示：https://stability-ai.github.io/stable-codec-demo/
• arXiv頁面：https://arxiv.org/abs/2411.19842

訓練數據集

該模型在來自知識共享許可或公共領域有聲讀物錄音的數據集上進行訓練。更多詳細信息請參閱學術論文。

預期用途

• 為存儲或流式傳輸目的對語音信號進行高效壓縮。
• 增強基於語音的應用，如電信系統和即時通信平臺。
• 音頻編碼和語音合成的研究與開發，包括理解和改進編解碼器性能。
• 開發包括語音識別和生成在內的下游應用。

所有對該模型的使用都應符合我們的可接受使用政策。

非預期用途

該模型僅在非重疊的乾淨英語語音上進行訓練，在這些情況下表現最佳。它不適用於需要高保真音樂或環境聲音編碼的應用。

聯繫我們

如果您發現模型存在任何問題或需要聯繫我們，請通過以下方式：

• 安全問題：safety@stability.ai
• 安全漏洞：security@stability.ai
• 隱私問題：privacy@stability.ai
• 許可證及一般問題：https://stability.ai/license
• 企業許可：https://stability.ai/enterprise