Stability AI ha annunciato il lancio di Stable Audio Open Small, un modello text-to-audio con 341 milioni di parametri, progettato per generare rapidamente estratti audio di alta qualità direttamente su dispositivi dotati di processori Arm.
Questo modello, ottimizzato per smartphone e altri dispositivi mobili, è in grado di produrre fino a 11 secondi di audio in meno di 8 secondi, rendendo l’audio generativo accessibile anche su hardware meno potente. L’annuncio si inserisce nel contesto di una collaborazione strategica tra Stability AI e Arm, volta a sfruttare la tecnologia KleidiAI per integrare l’intelligenza artificiale nei dispositivi mobili.
Un modello compatto e performante
Stable Audio Open Small è una versione ridotta del modello Stable Audio Open, che conta 1,1 miliardi di parametri. Nonostante le dimensioni più compatte, il nuovo modello mantiene un’elevata qualità di output e una fedeltà alle istruzioni testuali, secondo quanto dichiarato da Stability AI. La sua ottimizzazione per processori Arm consente di eseguire il modello direttamente su smartphone, riducendo i tempi di elaborazione e migliorando l’efficienza. L’annuncio è stato anticipato al Mobile World Congress, dove Stability AI e Arm hanno presentato il loro impegno congiunto per portare l’intelligenza artificiale generativa su dispositivi mobili.
Dati di addestramento senza problemi di copyright
Un punto di forza di Stable Audio Open Small è l’utilizzo di dati di addestramento provenienti da fonti libere da diritti d’autore, come le biblioteche audio di Free Music Archive e Freesound. Questa scelta consente a Stability AI di distinguersi da concorrenti come Suno e Udio, attualmente coinvolti in contenziosi legali con le major discografiche per violazioni di copyright. L’approccio di Stability AI garantisce che gli audio generati dal modello siano utilizzabili senza rischi legali, un aspetto cruciale per ricercatori, creatori di contenuti e piccole imprese.
Accessibilità e licenza open source
Il modello è rilasciato in open source sotto la Stability AI Community License, una licenza permissiva che ne consente l’uso gratuito a ricercatori, amatori e imprese con un fatturato annuo inferiore a 1 milione di dollari. I pesi del modello sono disponibili per il download su Hugging Face, mentre il codice sorgente è accessibile su GitHub. Tuttavia, l’accesso non è completamente libero: le aziende con fatturato superiore devono negoziare una licenza commerciale con Stability AI.
Limiti del modello
Nonostante i suoi punti di forza, Stable Audio Open Small presenta alcune limitazioni. Attualmente, il modello supporta solo istruzioni testuali in inglese, il che potrebbe restringerne l’adozione in contesti multilingue. Inoltre, la durata massima degli audio generati è limitata a 11 secondi, rendendo il modello più adatto a clip brevi, come effetti sonori o jingle, piuttosto che a composizioni musicali complesse. Stability AI sta lavorando per superare tali limitazioni, ma per ora il modello si rivolge principalmente a casi d’uso specifici.
Un passo verso l’integrazione dell’IA nei dispositivi mobili
La collaborazione con Arm rappresenta un tassello importante per il futuro dell’intelligenza artificiale generativa. La tecnologia KleidiAI consente di eseguire modelli complessi su dispositivi con risorse limitate, aprendo nuove possibilità per applicazioni mobili, come la creazione di contenuti audio in tempo reale.
