Files

T

xsl 24c526af68 feat(assets): SA3 音效补齐 radio 11+1 与 dungeon 13源+15pan（token 走 hf-mirror 实测可用）

- 模型 17/17 文件经镜像全量缓存（gated+token，直连本机不通；sfx.md/setup.md/asset-pipeline.md 镜像结论同步更新）
- 修复迁移遗留：stable_audio_3/models/ 源码子包被 .gitignore models/ 规则误伤丢失，从上游恢复并加白名单
- radio：arg_muffled/brake_screech 等叙事件落地（接线原有 L111/L154 零改动）+ phone_ring SYN→SA3 升级；dungeon 13 源 A/B 对齐（RMS 偏差 ≤0.3dB）全量同名替换，SYN 原版备份 tools/asset_fix_backup/sa3_ab_20260902/
- 关键玩法语义达标：echo 距离档 0.83<1.43<2.18<2.98s 严格递增；one-shot 真峰值全 ≤-3dBFS（解码回读法）
- check_all_assets 8 游戏全绿（radio 254/254、dungeon 303/303）；playtest radio 221/dungeon 1610 全绿

2026-09-02 19:35:38 +08:00

3.0 KiB

Raw Blame History

Stable Audio 3 small-sfx — 本地音效生成

位置

代码仓库: /home/ubuntu/SoundGame/tools/stable-audio-3
Python 环境: /home/ubuntu/SoundGame/tools/stable-audio-3/.venv（uv 管理，Python 3.10）
PyTorch: 2.7.1+cu126（CUDA 可用，RTX 3090 已验证）
模型缓存: /home/ubuntu/SoundGame/models/hf（通过 HF_HOME 指定）
环境变量: source /home/ubuntu/SoundGame/env.d/sfx.sh

首次使用：必须申请模型访问权限（gated repo）

stabilityai/stable-audio-3-small-sfx 是 gated（auto 批准） 仓库，匿名下载返回 403，必须：

注册/登录 HuggingFace 账号（可用镜像 https://hf-mirror.com 浏览，但 accept 协议需在官网完成；官网打不开时可用镜像站对应的模型页 https://hf-mirror.com/stabilityai/stable-audio-3-small-sfx 登录后接受）。
打开模型页 https://huggingface.co/stabilityai/stable-audio-3-small-sfx，点击接受 Stable Audio Community License（auto 模式，提交后立即通过，无需人工审核）。
在 https://huggingface.co/settings/tokens 创建一个 read 权限的 token。
把 token 写入 /home/ubuntu/SoundGame/env.d/sfx.sh 最后一行的 HF_TOKEN（去掉注释）。

注意：本机 huggingface.co 不可达，下载走 HF_ENDPOINT=https://hf-mirror.com（已在 sfx.sh 中设置），gated 模型带 token 经镜像下载是支持的。（2026-09-02 实测：small-sfx 17 文件全量经镜像下载成功；模型入缓存后可加 HF_HUB_OFFLINE=1 离线跑 CLI。）

生成音效（CLI）

source /home/ubuntu/SoundGame/env.d/sfx.sh
cd /home/ubuntu/SoundGame/tools/stable-audio-3

# 3 秒冒烟测试
uv run stable-audio --model small-sfx \
  -p "footsteps on gravel, slow walking" \
  --duration 3 \
  -o /home/ubuntu/SoundGame/tools/samples/sfx_test.wav

提示词必须是英文（模型只懂英文）。
--duration 最长 120s；--steps 默认 8；small 模型峰值显存约 2.4GB（120s 时），与 TTS 共存无冲突。
多个提示词可批量生成：-p "prompt1" "prompt2" --duration 3 5。
其他功能：audio-to-audio（--init-audio）、inpainting（--inpaint-audio/--inpaint-start/--inpaint-end），详见 uv run stable-audio --help。

Gradio UI

cd /home/ubuntu/SoundGame/tools/stable-audio-3
uv run python run_gradio.py --model small-sfx

Python API

from stable_audio_3 import StableAudioModel

model = StableAudioModel.from_pretrained("small-sfx")
audio = model.generate(prompt="thunder rumbling in the distance", duration=3)

提示词参考

见仓库内 docs/guides/prompting.md。

状态记录（2026-08-29）

仓库克隆 + uv sync --extra ui 完成（PyPI 走阿里云镜像，torch 走官方 cu126 源）
torch CUDA 验证通过：torch 2.7.1+cu126, cuda: True, NVIDIA GeForce RTX 3090
CLI 可用（flash_attn 未安装的警告可忽略，仅 medium 需要）
模型权重下载被 gated 403 拦截 —— 待用户申请 token 后重跑上面的冒烟测试

3.0 KiB Raw Blame History Unescape Escape