Stable Audio One ハンズオン

このリポジトリは、Stable Audio Oneを使用して音声生成を行うデモンストレーションプロジェクトです。

概要

このプロジェクトでは、Stable Audio Oneモデルを使用して、テキストプロンプトから音声を生成します。GPUが利用可能な場合はCUDAを使用し、そうでない場合はCPUで処理を行います。

セットアップ

1. 必要なパッケージのインストール:

pip install torch torchaudio

2. デバイスの設定:

device = "cuda" if torch.cuda.is_available() else "cpu"

このコードは自動的に利用可能なハードウェアを検出し、適切なデバイスを選択します。

使用方法

1. showroom/usecase-001/sample.pyを実行します:

python showroom/usecase-001/sample.py

2. スクリプトは以下の処理を行います:

• Stable Audio Oneモデルをロード
• テキストプロンプトに基づいて音声を生成（デフォルトは"128 BPM tech house drum loop"）
• 生成された音声をoutput.wavとして保存

出力

生成された音声ファイルはshowroom/usecase-001/output.wavに保存されます。音声は以下の特徴を持ちます:

• ステレオ音声
• 30秒の長さ
• ピークノーマライズ処理済み
• 16ビット整数形式

注意事項

• GPU（CUDA）が利用可能な場合、自動的にGPUを使用して処理を高速化します
• GPUが利用できない場合は、自動的にCPUにフォールバックします
• 生成プロセスには数分かかる場合があります（デバイスの性能に依存）