Stable Audio 3.0: كيف تعمل نماذج Stability AI الجديدة لتوليد الموسيقى بالذكاء الاصطناعي

ما هو Stable Audio 3.0؟

Stable Audio 3.0 عبارة عن عائلة نماذج لتوليد الصوت من النص (Text‑to‑Audio). يستطيع المستخدم وصف نمط موسيقي أو بيئة صوتية، مثل "موسيقى إلكترونية هادئة مع بيانو" أو "صوت أمواج البحر مع طيور"، فيقوم النظام بإنتاج مقطع صوتي مطابق للوصف.

وتؤكد Stability AI أن هذه النماذج صُممت لدعم التجريب الإبداعي في الصوت والموسيقى، كما أنها دُرِّبت على مجموعات بيانات مرخصة بالكامل لتقليل المخاوف المتعلقة بحقوق النشر التي ظهرت في الجيل الأول من أدوات الموسيقى بالذكاء الاصطناعي.

النماذج الأربعة في عائلة Stable Audio 3.0

تتكون العائلة من أربعة نماذج مختلفة الحجم تتراوح بين مئات الملايين وعدة مليارات من المعلمات، بحيث يمكن للمطورين اختيار النموذج الأنسب وفق قدرات الأجهزة والجودة المطلوبة.

1. Stable Audio 3.0 Small SFX

• نحو 459 مليون معلمة
• مصمم أساساً لإنشاء المؤثرات الصوتية القصيرة
• مناسب للتشغيل الخفيف أو على الأجهزة مباشرة

2. Stable Audio 3.0 Small

• حوالي 459 مليون معلمة
• لتوليد الموسيقى والمقاطع الصوتية الخفيفة
• مناسب للمشاريع الصغيرة أو التشغيل المحلي

3. Stable Audio 3.0 Medium

• نحو 1.4 مليار معلمة
• يركز على توليد موسيقى أكثر تعقيداً وتعبيراً

4. Stable Audio 3.0 Large

• حوالي 2.7 مليار معلمة
• أقوى نموذج في السلسلة
• موجه لإنتاج موسيقى بجودة احترافية

هذا التصميم المتدرج يسمح للمستخدمين بالاختيار بين السرعة والموارد المحدودة أو الجودة العالية وطول المقطوعات.

مدة الموسيقى التي يمكن إنشاؤها

أحد أبرز التحسينات في هذا الإصدار هو زيادة طول المقطوعات الموسيقية التي يمكن إنشاؤها.

• نماذج Small SFX و Small يمكنها إنشاء مقاطع صوتية تصل إلى نحو دقيقتين، وهي موجهة للاستخدام على الأجهزة أو المشاريع الخفيفة.
• أما نماذج Medium و Large فيمكنها توليد مقطوعات كاملة تصل إلى حوالي 6 دقائق و20 ثانية.

وهذا يمثل قفزة واضحة مقارنة بالإصدارات السابقة التي كانت تركز على مقاطع قصيرة أو حلقات موسيقية فقط، ما يفتح الباب لإنشاء أغانٍ كاملة تقريباً بواسطة الذكاء الاصطناعي.

أي النماذج مفتوحة الأوزان؟

اتبعت Stability AI استراتيجية توزيع مختلطة تجمع بين الانفتاح والخدمات المدفوعة.

النماذج المفتوحة الأوزان (Open‑Weight):

• Stable Audio 3.0 Small SFX
• Stable Audio 3.0 Small
• Stable Audio 3.0 Medium

يمكن للمطورين تنزيل هذه النماذج وتشغيلها محلياً أو تعديلها لأبحاثهم ومشاريعهم.

النموذج المتاح عبر API فقط:

• Stable Audio 3.0 Large

النموذج الأكبر لا يتم نشر أوزانه بشكل عام، بل يتوفر عبر واجهات برمجية أو خدمات مستضافة للشركات.

التدريب والترخيص

تؤكد الشركة أن نماذج Stable Audio 3.0 تم تدريبها باستخدام بيانات صوتية مرخصة بالكامل، في محاولة لتجنب الجدل القانوني الذي يحيط ببعض أدوات الذكاء الاصطناعي التي تعتمد على بيانات مأخوذة من الإنترنت دون إذن واضح.

وبحسب الشركة، يملك المستخدمون حقوق استخدام وتوزيع المحتوى الذي ينشئونه وفق رخصة "Stability AI Community License"، بينما تحتاج الشركات التي يتجاوز دخلها السنوي نحو مليون دولار إلى ترخيص مؤسسي.

مع ذلك، لا تزال تفاصيل مجموعات البيانات المستخدمة في التدريب غير منشورة بالكامل، ما يعني أن التحقق المستقل من مكوناتها محدود.

شراكات مع شركات موسيقى كبرى

لإضفاء مزيد من الموثوقية على مسألة الترخيص، أعلنت Stability AI عن تعاون مع شركات موسيقى عالمية.

• Universal Music Group (UMG) أعلنت عن تحالف استراتيجي مع الشركة لتطوير أدوات احترافية لإنشاء الموسيقى بالذكاء الاصطناعي تعتمد على بيانات مرخصة ومدخلات الفنانين.
• كما دخلت الشركة في شراكة مع Warner Music Group (WMG) للعمل على أدوات مسؤولة تساعد الفنانين والمنتجين وكتاب الأغاني على استخدام الذكاء الاصطناعي في الإبداع الموسيقي.

تهدف هذه الشراكات إلى معالجة أحد أكبر الخلافات في هذا المجال: استخدام الموسيقى المحمية بحقوق النشر في تدريب النماذج دون موافقة أصحابها.

موقع Stable Audio 3.0 في سباق موسيقى الذكاء الاصطناعي

يأتي إطلاق Stable Audio 3.0 في وقت تتسارع فيه المنافسة بين شركات التكنولوجيا لتطوير أنظمة توليد الموسيقى.

من أبرز المنافسين:

• Google
• Suno
• Udio
• ElevenLabs

تحاول Stability AI التميز عبر نقطتين أساسيتين:

• إتاحة نماذج مفتوحة الأوزان تسمح للمطورين بالبناء عليها محلياً.
• التركيز على البيانات المرخصة والشراكات مع شركات الموسيقى لتقليل المخاطر القانونية.

ومع القدرة على إنشاء مقطوعات تتجاوز ست دقائق، تقترب هذه الأنظمة أكثر من إنتاج أغانٍ كاملة بدلاً من مجرد مقاطع تجريبية قصيرة.

الصورة الأكبر

يعكس Stable Audio 3.0 اتجاهاً متزايداً في عالم الذكاء الاصطناعي: الانتقال من نموذج واحد شامل إلى عائلات من النماذج المتخصصة.

فالنماذج الصغيرة تلائم الهواة والتطبيقات الخفيفة، بينما تستهدف النماذج الأكبر الاستوديوهات والمطورين المحترفين. ومع استمرار تحسن جودة الصوت وطول المقطوعات ووضوح التراخيص، قد تصبح أدوات مثل Stable Audio 3.0 جزءاً أساسياً من الجيل القادم من برامج الإنتاج الموسيقي.