Skip to content

README.de.md

Latest commit

 

History

History
209 lines (163 loc) · 9.47 KB

README.de.md

File metadata and controls

209 lines (163 loc) · 9.47 KB
Raw

Sprache: English · Русский · 中文 · 日本語 · Español · Français · Deutsch · Português · 한국어

Stable Audio Insight

By Oscar Lumiere

Schnellstart

  1. Download Last Release
  2. Registrieren auf https://huggingface.co (überspringen, wenn Konto vorhanden)
  3. Öffnen Sie https://huggingface.co/stabilityai/stable-audio-open-1.0 → klicken Sie auf Agree and access repository
  4. Auf https://huggingface.co/settings/tokens → New token → Type: Read → Create
  5. install.bat starten → Sprache wählen → Token einfügen → Übersetzer wählen. Fertig.

Danach öffnet run.bat http://127.0.0.1:7860.

Eigenständige Windows-App für Stable Audio Open 1.0 von Stability AI. Konzipiert für Sounddesign, Spiele-Audio, Videobearbeitung und Musikskizzen.

Funktionen

  • UI in 9 Sprachen (English, Русский, 中文, 日本語, Español, Français, Deutsch, Português, 한국어) — Umschalter in der Gradio-Fußzeile wechselt alles in Echtzeit
  • Mehrsprachige Prompts — Eingabe in Kyrillisch / CJK / Arabisch / Hebräisch / Griechisch / Thai / Devanagari, automatische Übersetzung ins Englische vor der Generierung. Zwei Optionen bei der Installation: opus-mt-mul-en (light, ~300 MB) oder nllb-200-distilled-600M (heavy, ~2,4 GB)
  • ~217 Presets in 15 Kategorien — Schritte, Treffer, Bewegung, UI, Waffen, Ambiente, Fahrzeuge, Natur, Musik, Cinematic, Magie, Sci-Fi, Horror, Tiere, Menge und Stimmen
  • Multi-Variationen-Generierung — 1 bis 4 Audios pro Klick (num_waveforms_per_prompt), Scheduler-Auswahl (Default / DPM++ 2M / Euler), Zufalls-Seed-Button, Re-roll-Button
  • Sitzungsverlauf — letzte 10 Generierungen als einklappbare Mini-Player
  • Batch-Modus — mehrere Prompts (einer pro Zeile), jeder direkt in outputs/Saved/ gespeichert
  • ZIP-Export von outputs/Saved/ mit einem Klick
  • Game-Ready-Ausgabe — Slug-Dateinamen (wood_floor_footsteps_01.wav) mit ordnerbezogenem Zähler; WAV-INFO-Metadaten mit vollem Prompt, Seed, Dauer, Steps, CFG, Sample-Rate, Negative — lesbar von Reaper, Audition, Ableton, ffprobe
  • GPU/CPU-Live-Umschaltung und RunOnCPU.bat für Systeme mit wenig VRAM
  • Sitzungsprotokoll in logs/app-YYYYMMDD-HHMMSS.log mit vollständigen Tracebacks bei Fehlern
  • Ein-Datei-Installer (install.bat) — installiert Python 3.11.9 still in den Projektordner, wählt torch+cu128 oder CPU-Torch via nvidia-smi, lädt Modell und Übersetzer. Wirklich portabel: Ordner löschen hinterlässt keine Spuren
  • Update-Pfad — update.bat aktualisiert Abhängigkeiten und synchronisiert Modelle neu

Voraussetzungen

  • Windows 10 / 11 (getestet auf Windows 11 Pro)
  • Python 3.11.x — https://www.python.org/downloads/release/python-3119/ (während der Installation Add Python to PATH ankreuzen)
  • NVIDIA-GPU mit CUDA 12.x:
    • Minimum: ~4 GB VRAM (fp16, 1 Variation, ≤ 20 s, ≤ 100 Schritte)
    • Empfohlen: 8 GB+ VRAM für 4 Variationen × 47 s mit 100+ Schritten
    • 6 GB reichen für 1–2 Variationen; 4 gleichzeitig können OOM auslösen
    • Für andere CUDA-Versionen den PyTorch-Index in install.bat / setup.bat anpassen (z. B. cu121 für CUDA 12.1)
    • Keine NVIDIA → RunOnCPU.bat oder den GPU/CPU-Schalter im UI nutzen (langsamer, funktioniert aber)
  • 15–20 GB freier Speicher während der Installation (danach: ~10–13 GB resident):
    • ~5 GB — Stable-Audio-Open-Gewichte
    • ~4–5 GB — Python + PyTorch CUDA + Abhängigkeiten
    • 0,3–2,4 GB — Übersetzer (je nach Wahl)
    • ~5 GB — HuggingFace- und pip-Cache + Installations-Temp-Dateien (das meiste später löschbar)
  • HuggingFace-Konto + Read-Token (nur für den Erst-Download)

Brauche ich ein HuggingFace-Token?

Einmalig — nur zum Herunterladen der Stable-Audio-Gewichte. Danach läuft die Anwendung offline aus dem lokalen hf-cache/.

Stable Audio Open 1.0 ist ein gated Modell — Stability AI verlangt ein registriertes Konto und Lizenz-Zustimmung vor dem Download. Daher:

  1. Registrieren Sie sich auf https://huggingface.co (falls noch nicht geschehen)
  2. Öffnen Sie die Modell-Seite und akzeptieren Sie die Lizenz: https://huggingface.co/stabilityai/stable-audio-open-1.0 (klicken Sie Agree and access repository — ohne dies gibt der Download 403 zurück)
  3. Erstellen Sie ein Read-Token: https://huggingface.co/settings/tokens
  4. install.bat fragt das Token zum richtigen Zeitpunkt ab

Die Übersetzer (opus-mt-mul-en und nllb-200-distilled-600M) benötigen kein Token — sie sind öffentlich.

Installation (empfohlener Weg)

Eine Datei macht alles:

install.bat

Was sie tut:

  1. Sprache der Eingabeaufforderungen wählen (1–9: Englisch, Russisch, Chinesisch, Japanisch, Spanisch, Französisch, Deutsch, Portugiesisch, Koreanisch)
  2. Prüft, ob Python 3.11 in PATH ist (py -3.11)
  3. Erstellt .venv, aktualisiert pip / wheel
  4. Installiert PyTorch (CUDA 12.8) und den Rest aus requirements.txt
  5. Fragt nach dem HF-Token (oder überspringt, falls bereits angemeldet)
  6. Fragt, welcher Übersetzer installiert werden soll:
    • 1. LIGHT — Helsinki-NLP/opus-mt-mul-en
      • ~300 MB, schnell, Apache 2.0 (kommerziell erlaubt)
      • Mittlere Qualität, Musik-Begriffe manchmal falsch
    • 2. HEAVY — facebook/nllb-200-distilled-600M
      • ~2,4 GB, langsamer, CC-BY-NC 4.0 (nur nicht-kommerziell)
      • Höhere Qualität, empfohlen für nicht-Englisch
  7. Speichert die Wahl in hf-cache/translator.cfg
  8. Lädt Stable Audio (~5 GB) und den gewählten Übersetzer nach hf-cache/

Starten

run.bat

Ein Browser-Tab öffnet http://127.0.0.1:7860.

Übersetzer nach der Installation wechseln

Schnellster Weg:

  1. hf-cache/translator.cfg öffnen und auf light oder heavy ändern
  2. download.bat ausführen — lädt das Gewählte, falls nicht im Cache
  3. run.bat

Oder hf-cache/translator.cfg löschen und install.bat erneut ausführen — fragt neu, ohne Abhängigkeiten oder Stable Audio erneut herunterzuladen (bereits im Cache).

Schritt-für-Schritt-Installation (falls etwas schiefgeht)

install.bat ist ein Wrapper für vier kleinere Skripte; jedes kann einzeln ausgeführt werden:

Skript Funktion
setup.bat Erstellt .venv und installiert Abhängigkeiten
login.bat HuggingFace-Authentifizierung (hf auth login)
download.bat Lädt Stable Audio + Übersetzer aus hf-cache/translator.cfg
run.bat Startet die Gradio-Web-UI

Projekt-Struktur

.
├── app.py              # Gradio-UI + Generierung
├── translator.py       # Übersetzer-Modul (light / heavy)
├── download_model.py   # Modelldownloads von HuggingFace
├── requirements.txt    # Python-Abhängigkeiten
├── install.bat         # Ein-Klick-Installer (mehrsprachig)
├── setup.bat           # Nur venv + Abhängigkeiten
├── login.bat           # Nur HF-Auth
├── download.bat        # Nur Downloads
├── run.bat             # Web-UI starten
├── hf-cache/translator.cfg  # light / heavy (von install.bat erstellt)
├── README.md           # main docs (English)
├── docs/i18n/          # localized versions (8 languages)
├── LICENSE             # MIT — Quellcode des Repos
├── NOTICE.md           # Lizenzen der verwendeten Modelle
├── hf-cache/           # Lokaler HF-Cache (NICHT in git)
└── outputs/            # Gespeicherte Audios (NICHT in git)
    ├── intermediate/   # Wenn "Save all" aktiviert ist
    └── Saved/          # Nach Klick auf "Save"

Umgebungsvariablen

Vor run.bat setzbar:

Variable Standard Zweck
HOST 127.0.0.1 Gradio-Host
PORT 7860 Gradio-Port
SHARE 0 1 = öffentlichen gradio.live-Link erzeugen
STABLE_AUDIO_MODEL stabilityai/stable-audio-open-1.0 Modell überschreiben

Lizenzen

Der Quellcode steht unter MIT (siehe LICENSE).

Die Modelle haben jeweils eigene Lizenzen (Volltexte in NOTICE.md):

Modell Lizenz Kommerzielle Nutzung
Stable Audio Open 1.0 Stability AI Community Bis 1 Mio. USD Jahresumsatz: ja; darüber: Enterprise
opus-mt-mul-en (light) Apache 2.0 Ja
NLLB-200-distilled-600M (heavy) CC-BY-NC 4.0 Nein, nur nicht-kommerziell

Für kommerzielle Nutzung wählen Sie bei der Installation light.

Getestet auf

  • Windows 11 Pro
  • Python 3.11.9
  • NVIDIA RTX 5080 (16 GB VRAM)
  • CUDA 12.8
  • PyTorch 2.11.0+cu128

Credits