开源 Friendly Stable Audio 3:含完整训练管线的文生音频研究版
serrjoa · x · 2026-09-07
研究者 yukara-ikemiya 发布 Stable Audio 3 的重构简化版 friendly-stable-audio-3,面向研究人员和工程师:
- 完整训练管线:不只 LoRA 微调,包含 SAME 自编码器、流匹配扩散、latent CLAP、ARC 对抗后训练,全部可训
- 统一训练入口:scripts/train.py 用一个通用 Trainer 训练所有组件
- 配置优先:每个模型完全由 YAML 描述,无需下载不透明的 modelconfig.
- 分布式训练:通过 Hydra + HuggingFace Accelerate 支持多 GPU/多节点
上游官方仓库以推理为主,这个 fork 把训练栈完整暴露出来。
「多模态」频道最新
- FLUX.3 Klein 蒸馏到 4-8 步出图，CFG 直接烘进模型 — Fit-Structure-6489 · 2026-10-26
- 谷歌 Gemini 全流程动画短片：猎人之月 10564 帧创作记 — AI_Andrew · 2026-10-26
- ostris 预训练新 VAE「Primal VAE」:单通道潜空间实现等效 8 倍压缩 — ostrisai · 2026-10-26
- 社区为 Krea 2 Turbo 打造艺术风 checkpoint「Narrative Drift」 — MoonbearAIArt · 2026-10-26
- 同一段提示词：Claude Opus 5.5 与 GPT-6 Astra 生成的剖腹产 3D 医疗动画对比 — Sourcecode12 · 2026-10-26
- Slopcore 风格 AI 短片：三台设备三部剧的赛博 Larp 名场面 — Yamapama · 2026-10-26