Stable Audio

Stable Audio是什么？

Stable Audio是Stability AI推出的AI音乐与音效生成平台，可从文字描述创建歌曲片段、背景音乐、环境声、拟音和制作素材，也能上传或录制自有音频，通过自然语言改变风格、继续旋律或重绘局部。

截至当前，Stable Audio已经从早期90秒模型发展到Stable Audio 3系列。3.0支持最长约6分钟的完整结构音乐，包含Small、Small SFX、Medium和Large多个尺寸，并提供网页应用、Stability AI API、开放权重、合作平台及企业自托管等入口。

Stable Audio 3.0

Stable Audio 3.0是当前最新模型家族，训练数据来自完整授权与Creative Commons资源，重点提升长程结构、旋律连贯、提示遵循和生成速度。模型可以创建包含开头、发展与结尾的完整曲目，而不仅是孤立Loop。

3.0 Large面向企业级声音制作和最高质量；Medium支持最长约6分20秒的完整歌曲并提供开放权重；

Small与Small SFX针对较低算力、端侧和消费级设备优化。

Stable Audio 2.5

Stable Audio 2.5仍是网页和API中的重要生产模型，可生成最长3分钟、44.1kHz立体声音频，并支持文字生成、音频转音频和Audio Inpainting。它通过ARC后训练改善音乐结构、速度与提示遵循。

官方在特定GPU条件下宣传2.5生成3分钟音频可低于2秒，但端到端时间仍受排队、上传、网络与硬件影响，不应当作所有账户的固定SLA。

文字生成音乐

用户可以在提示中写流派、情绪、乐器、BPM、制作风格、使用场景和结构，例如电影配乐、游戏Boss战、广告音乐、鼓Loop或环境氛围。模型会按目标时长生成立体声音频。

提示应使用描述声音的词，而不是只写“把它变成某种音乐”。具体的乐器、音色、节奏、空间、年代和情绪通常比抽象指令更稳定。

生成音效与制作素材

Stable Audio不仅生成音乐，也适合制作鼓点、合成器、环境、脚步、机械、冲击、转场和电影音效。Small SFX专门面向设备端声音效果生成。

需要无缝循环时应在提示中说明Loop与节奏，并在导出后检查头尾相位、响度和噪声。AI生成效果仍可能含有意外人声或不需要的音乐成分。

Audio-to-Audio

Audio-to-Audio把上传、录制或既有Stable Audio作品作为结构和音色参考，再结合文字生成新版本。用户可以调节Input Audio Strength和Prompt Strength，在保留原音频与大幅改变之间选择。

API建议从约0.8的strength开始：数值越高，输出通常越偏离输入；数值较低则保留更多原结构。

实际最佳值需要按素材和提示迭代。

人声哼唱与录音输入

用户可以录下哼唱、口哨、乐器或自然声音作为输入，生成伴奏、不同乐器版本或风格变化。它适合把快速音乐草图扩展为可试听方向。

人声输入仍属于实验工作流，可能出现音准、节奏和身份特征变化。真人录音必须取得授权，蓝牙设备还可能给浏览器录音增加延迟。

Audio Inpainting与延展

Audio Inpainting允许指定音频中的位置，利用前后上下文重新生成或延展其余部分，可用于改写段落、补全结尾、修复过渡和调整结构。

生成并非无损编辑。新片段可能改变节拍、和声与混音，正式作品应保留原文件并对重绘区域前后做完整试听。

输入音频版权检测

用户只能上传自己拥有必要权利的音频。平台会使用内容识别系统检查上传文件，疑似属于他人的版权素材会被拒绝和删除。

即使被拒绝，文件时长仍会从当月上传额度中扣除。不要用商业歌曲测试风格转换，也不要假设能上传就代表获得许可。

上传内容会用于训练吗？

官方FAQ说明，用户上传的输入音频不会加入Stable Audio训练数据，只在当次交互中使用。但基于交互产生的生成输出可能用于当前或未来模型改进。

对客户未发布音乐、品牌声音和受保密协议约束的素材，应核对最新条款。若要求输出也不得训练，需要通过企业合同确认。

Free免费方案

Free每月可使用Stable Audio 2.5生成10首，采用Personal License，只能用于个人和非商业项目。免费额度每月1日刷新，未用生成次数不会结转。

当前用户指南对上传额度存在6分钟与FAQ 2分钟两种文档表述，且单次会裁剪为30秒。实际应以账户内显示为准，不应把免费方案用于正式商业生产。

价格与版本对比

Pro价格

Pro当前为11.99美元/月，面向需要商业许可的个人创作者。它提供Creator License，并扩大生成和音频上传能力；

当前FAQ确认每月可上传30分钟，每个上传文件最多使用6分钟。

价格页未在抓取文本中稳定公开当前生成次数，历史500首额度可能随模型成本调整。购买前应以结算页实时显示的Track Generations为准。

Studio价格

Studio当前为29.99美元/月，面向更高频个人制作，使用Creator License。每月音频上传额度为60分钟，单个上传最多6分钟。

Studio提高生成与上传容量，但并不自动授予中大型组织企业许可、法律赔偿或本地部署权。

Max价格

Max当前为89.99美元/月，是网页应用中的高用量个人创作者方案。每月音频上传额度为90分钟，单个上传最多6分钟；

需要更多容量可联系支持。

Max仍与Enterprise不同。团队规模、终端用户产品、模型自托管和年收入较高组织应按企业条款采购。

Enterprise企业许可

Enterprise按需报价，可在自有基础设施部署模型，并提供定制训练、实现支持、持续支持与法律赔偿等企业能力。价格页要求年收入超过100万美元、希望在自有基础设施部署的企业联系团队。

企业应在合同中写明模型版本、硬件、并发、更新、数据训练、商标声音、支持SLA、输出权利和赔偿范围。

Personal、Creator与Enterprise许可

Personal允许非商业项目；Creator允许个人把生成音频用于商业项目和音乐发行；

Enterprise用于中大型组织、规模化产品、应用、游戏、影视、广告与高MAU场景。

许可证以生成时账户等级为准。FAQ说明Pro及更高方案生成的音频，即使之后取消，仍保持原有许可证；

升级或降级不会自动改变过去作品的许可。

取消与退款

订阅通过Stripe管理，可随时升级、降级或取消。升级会立即生效并按剩余周期比例收费；

取消会立即降为Free，并失去未使用的本月生成额度。

退款由平台酌情处理，通常要求在扣款48小时内提出且使用量低于当月额度2%，或属于未经授权付款等特殊情况。自动续费用户应在账单日前取消。

Stability AI API价格

开发者平台按Credits计费，1 Credit等于0.01美元，并为新账户提供25个免费Credits。Stable Audio 2.5每次成功生成20 Credits，约0.20美元；

Stable Audio 3.0每次成功生成26 Credits，约0.26美元，失败生成不收费。

API费率不等于完整商用许可判断。开发者还需遵守API条款、Community License或Enterprise License，并计算存储、传输、重试与后处理成本。

API调用方式

Text-to-Audio可直接返回音频或Base64。Stable Audio 3.0 Audio-to-Audio采用异步流程，提交后返回generation ID，再轮询结果端点；

上传文件最大约100MB。

API Key必须保存在服务端。生产环境应限制用户上传、验证文件类型、处理202状态与超时，并保存生成参数和许可证版本。

Stable Audio 3开放权重

Stable Audio 3.0 Small、Small SFX和Medium提供可下载权重，Large主要通过Stability AI API和Enterprise自托管使用。开放权重让开发者可以研究、推理和构建本地工作流。

权重采用Stability AI Community License，不是无条件公共领域。个人、研究和符合收入门槛的商业使用可按许可进行；

超过许可范围的组织需要Enterprise License。

Stable Audio Open 1.0

早期Stable Audio Open 1.0适合生成最长约47秒的鼓点、Riff、环境和制作元素，训练数据来自Freesound与Free Music Archive的Creative Commons音频。它不以长篇完整歌曲和逼真人声为主要目标。

其模型权重同样受Stability AI Community License约束。训练来源和能力与商业网页模型AudioSparx 2.x、3.0系列不同，不能混为一谈。

GitHub代码与许可证

官方stable-audio-tools仓库提供条件音频生成的训练与推理工具，代码采用MIT许可证；stable-audio-3仓库也公开了实现代码与模型使用说明。

代码MIT不等于所有模型权重MIT。模型权重、输出和商业规模仍受Community或Enterprise License约束，部署前必须同时检查代码与模型两份许可证。

训练数据

Stable Audio网页端早期1.0和2.0模型使用AudioSparx授权音乐训练，并允许相关艺术家选择退出；3.0系列使用完整授权和Creative Commons数据。

Stability AI还与其他数据伙伴合作扩展模型。

“授权数据”可以改善来源合规，但不保证输出绝不与现有作品相似。商业发行仍需做相似性检查、人工听审和平台政策核验。

Stable Audio使用教程

完成一次基础任务

1. 确认录音、声音、音乐及参与者授权；
2. 把清晰音频上传或录入Stable Audio；
3. 选择语言、说话人和Stable Audio 3.0等处理设置；
4. 使用Stable Audio 2.5生成转录、配音或清理结果；
5. 逐段检查姓名、数字、停顿、音量和情绪；
6. 导出前确认格式、响度、版权和隐私要求；

建立可复用的专业工作流

1. 用真实噪声、口音和多人片段建立测试集；
2. 比较Stable Audio 3.0、Stable Audio 2.5和文字生成音乐的处理差异；
3. 保留原始录音和未经修改的转录；
4. 对外发布前安排人工听审；
5. 统计处理时长、错误率和额度消耗；
6. 定期更新术语表、声音授权和删除策略；

适合哪些用户？

• 制作广告、短视频、游戏与播客音乐的个人创作者；
• 需要环境、拟音、Loop和制作素材的声音设计师；
• 用哼唱、乐器与已有Stem引导生成的音乐人；
• 通过API批量生成音乐与音效的开发者；
• 希望下载开放权重、本地推理或定制品牌声音的技术团队。

产品优势

• Stable Audio 3可生成最长约6分钟完整音乐；
• 覆盖Text-to-Audio、Audio-to-Audio、Inpainting与延展；
• 训练数据以授权和Creative Commons来源为主；
• 提供Web、API、开放权重与Enterprise自托管；
• Small SFX支持端侧音效生成方向；
• 付费个人方案生成内容可获得Creator商业许可。

限制与注意事项

• Free只能非商业使用，商业项目需要Pro及以上或Enterprise；
• 输入音频必须拥有权利，被版权检测拒绝的上传仍会消耗月度上传额度；
• 网页生成次数与上传分钟可能随模型调整，未用额度不结转；
• 开放权重采用CommunityLicense，代码MIT不代表模型可以无限制商用；

常见问题

Stable Audio免费吗？

有Free方案，每月10次Stable Audio 2.5生成，只能个人非商业使用。API新账户另有25个免费Credits。

Stable Audio多少钱？

网页Pro为11.99美元/月、Studio 29.99美元/月、Max 89.99美元/月；Enterprise定制。

API 2.5约0.20美元/次，3.0约0.26美元/次。

可以生成多长的音乐？

Stable Audio 2.5最长约3分钟，Stable Audio 3.0最高约6分钟；具体模型和入口的时长上限不同。

可以商用吗？

Pro、Studio和Max的个人创作者可按Creator License商用，组织和大规模产品需核对Enterprise License。Free不能商用。

Stable Audio开源吗？

部分开放。stable-audio-tools代码采用MIT，3.0 Small、Small SFX与Medium开放权重，但模型使用受Stability AI Community License约束；

Large主要通过API和Enterprise使用。