save code

docs/技术报告_音频资源制作.md

@@ -89,10 +89,10 @@
 | **DiffRhythm 2** | 新项目 | ~8GB | 最快：10 秒生成 4:45 歌曲；精确歌词对齐；Latent Diffusion 架构 | 快速迭代 BGM 候选 |
 | **YuE (乐)** | Apache 2.0 | 8GB(量化)-80GB(全) | 双 LLaMA 架构；完整歌曲（人声+伴奏同步）；最接近 Suno 的开源方案 | 需要完整歌曲（含唱） |
 | **MusicGen (Meta)** | CC BY-NC | ~12GB fp16 | 研究级纯器乐生成；立体声输出；Loop 素材可控性强 | 纯器乐 BGM / 素材 |
-| **Stable Audio Open 1.5** | 已 clone | ~12GB | 47s 立体声 44.1kHz；SFX 和音乐兼顾；代码已在本机 | 音效与短音乐片段 |
+| **Stable Audio Open 1.0** | 已部署 | ~12GB | 47s 立体声 44.1kHz；SFX 和音乐兼顾；代码和模型均已在本机 | 音效与短音乐片段 |
 
 **部署优先级建议**：
-1. **Stable Audio Open 1.5** — 代码已在本机 (`/home/xsl/tools/stable-audio-tools/`)，只需下载模型权重 + `pip install`，马上可用
+1. **Stable Audio Open 1.0** — 已在本机 (`/home/xsl/tools/stable-audio-tools/`) 部署完成，可直接用于精细音效补充
 2. **DiffRhythm 2** — 速度碾压 ACE-Step，适合大量迭代试听
 3. **YuE** — 32GB VRAM 可跑量化版，适合需要有歌词人声的完整歌曲
 
@@ -122,11 +122,11 @@
 
 | 工具 | VRAM | 为什么值得部署 | 适用场景 |
 |------|------|--------------|---------|
-| **Stable Audio Open 1.5** | ~12GB | 音效生成品质最高的开源方案；44.1kHz 立体声；47s 时长 | 高品质 Foley、环境音 |
+| **Stable Audio Open 1.0** | ~12GB | 音效生成品质最高的开源方案之一；44.1kHz 立体声；47s 时长 | 高品质 Foley、环境音 |
 | **AudioLDM 2** | 8-16GB | 全能型（SFX + 音乐 + 语音）；48kHz；多种模型尺寸 | 短音效、过渡音 |
 
 **部署优先级建议**：
-1. **Stable Audio Open 1.5** — 同上，已有代码，补模型即可
+1. **Stable Audio Open 1.0** — 同上，已完成部署，可直接用于补充 ACE-Step 不擅长的精细音效
 2. **AudioLDM 2** — pip 安装，轻量推理，适合补充短促音效
 
 #### 线上服务
@@ -186,6 +186,8 @@ voice/
 **注：全部使用 CUDA 12.8 编译版 torch，支持 RTX 5090 (sm_120)**。  
 PyTorch wheel 来源：`https://mirrors.aliyun.com/pytorch-wheels/cu128/`
 
+> 版本说明：当前本机已部署并验证的是 **Stable Audio Open 1.0**。此前文档中出现的 "Stable Audio Open 1.5" 作为潜在升级方向处理，不与当前已部署环境混用；若后续升级，需要单独记录模型路径、配置文件和启动命令。
+
 #### 启动命令
 
 ```bash
@@ -265,5 +267,5 @@ RTX 5090 (32GB) 可同时运行的组合：
 
 | 现状 | 升级方案 | 收益 |
 |------|---------|------|
-| ACE-Step 生成全部音效 | → Stable Audio Open 1.5 补充精细音效 | 44.1kHz 立体声，电话底噪/UI 音效品质更高 |
+| ACE-Step 生成全部音效 | → Stable Audio Open 1.0 补充精细音效 | 44.1kHz 立体声，电话底噪/UI 音效品质更高 |
 | 结局仅语音 + 字幕 | → ACE-Step/DiffRhythm 生成结局专属 BGM | 5 个结局各有独立氛围音乐，沉浸感提升 |