La revolución en la generación de audio impulsada por inteligencia artificial ha dado un paso significativo hacia adelante gracias a la colaboración entre Arm y Stability AI. Esta alianza ha logrado un avance notable al mejorar la velocidad de conversión de texto a audio en dispositivos móviles, multiplicando por treinta la rapidez de este proceso. Este salto tecnológico, respaldado por la tecnología Arm KleidiAI, permite a los usuarios crear contenidos digitales de audio sin necesidad de conexión a internet, eliminando barreras para la creatividad y la innovación.
El nuevo modelo desarrollado por Stability AI, conocido como Stable Audio Open, está diseñado para ofrecer a los usuarios la posibilidad de generar efectos de sonido, tonos de llamada e incluso pistas musicales a partir de simples descripciones textuales. Sin embargo, llevar este modelo al ámbito de los dispositivos móviles ha representado un reto, ya que inicialmente, un solo fragmento de audio requería más de cuatro minutos para su creación. Mediante la integración de KleidiAI y otras optimizaciones en XNNPack y ExecuTorch, se ha conseguido reducir el tiempo de generación a apenas unos segundos, haciendo viable el uso efectivo de esta tecnología en millones de dispositivos móviles con procesadores Arm.
La implementación fluida de modelos de inteligencia artificial en dispositivos móviles responde a la necesidad de democratizar el acceso a herramientas creativas avanzadas. Stability AI y Arm han trabajado juntos para reducir y optimizar los modelos, garantizando un equilibrio entre el rendimiento y la calidad. Esto se ha logrado a través de la optimización de parámetros del modelo y mediante el uso eficiente de KleidiAI. Además, al ejecutar todo el proceso sin conexión a internet, el sistema ofrece ventajas adicionales en términos de privacidad y eficiencia energética.
Según Prem Akkaraju, CEO de Stability AI, la accesibilidad de estos modelos en diferentes plataformas es fundamental a medida que más creadores y empresas adoptan tecnologías de IA generativa. La colaboración con Arm ha sido esencial para materializar esta visión.
Las aplicaciones potenciales de esta tecnología son diversas y abarcan desde la creación de contenido personalizado hasta la edición de video móvil, donde se pueden integrar rápidamente audios sin necesidad de conexión a la red. Además, esta solución ofrece oportunidades en el entretenimiento, expresión personal y en áreas como la accesibilidad y la educación, aportando narraciones automáticas y asistentes de audio mejorados.
Durante el próximo Mobile World Congress 2025, Arm y Stability AI tienen previsto exhibir esta innovadora solución en el stand de Arm en el Hall 2 Stand I60. Las demostraciones destacarán dispositivos como el vivo X200 Series, equipado con el procesador MediaTek Dimensity 9400 basado en la arquitectura Armv9. Esta presentación marcará el comienzo de una nueva era para la inteligencia artificial generativa en dispositivos móviles, con perspectivas futuras de expandir estas capacidades a imágenes, videos y modelos 3D. Así, se vislumbra un futuro prometedor para la creación digital directamente desde los teléfonos inteligentes.
