Stable Audio

Stable Audio是什麼？

Stable Audio是Stability AI推出的AI音樂與音效生成平台，可從文字描述創建歌曲片段、背景音樂、環境聲、擬音及製作素材，也能上傳或錄製自有音頻，透過自然語言改變風格、繼續旋律或重繪局部。

截至目前，Stable Audio已從早期的90秒模型發展到Stable Audio 3系列。3.0版本可處理長達約6分鐘的完整結構音樂，並提供Small、Small SFX、Medium和Large等多種尺寸選項；同時還具備網頁應用、Stability AI API、開放式權重、合作平台以及企業自托管等使用方式。

Stable Audio 3.0

Stable Audio 3.0是當前最新的模型系列，其訓練數據來自具有完整授權的資源以及Creative Commons的資源。該模型的優點在於能夠提升長程結構、旋律的連貫性、對提示語的遵循程度，以及生成速度。它可以創造出包含開頭、發展和結尾的完整曲目，而不只是單一的循環音段。

3.0 Large適用於企業級的音效製作，且品質最佳；Medium則可處理長達約6分20秒的完整歌曲，並提供可調整的權重設定。

Small與Small SFX針對較低算力、端側和消費級設備優化。

Stable Audio 2.5

Stable Audio 2.5依然是網頁及API中的重要產生模型，能夠生成長達3分鐘、44.1kHz的立體聲音頻，並支援文字轉換為音頻、音頻轉換以及音頻修復功能。透過ARC後訓練，它能進一步改善音樂的結構、速度以及對指令的遵循度。

官方在特定GPU條件下宣傳2.5可生成3分鐘的音頻，時間可低於2秒，但端到端時間仍受排隊、上傳、網路與硬體影響，不應當作所有帳戶的固定SLA。

文字生成音樂

用戶可以在提示中寫明流派、情緒、樂器、BPM、製作風格、使用場景和結構，例如電影配樂、遊戲Boss戰、廣告音樂、鼓Loop或環境氛圍。模型會根據目標時長生成立體聲音頻。

建議使用能描述聲音特性的詞彙，而非僅寫「把它變成某種音樂」。具體的樂器、音色、節奏、空間感、年代以及情緒，通常比抽象的指示更為明確且穩定。

生成音效與製作素材

Stable Audio不僅能夠生成音樂，還適用於製作鼓點、合成器音效、環境音效、腳步聲、機械聲、衝擊聲，以及用於轉場和電影中的各種音效。而Small SFX則是專門用於在設備端生成音效的。

需要無縫循環時應在提示中說明Loop與節奏，並在導出後檢查頭尾相位、響度與雜音。AI生成的效果仍可能含有意外的人聲或不必要的音樂成分。

Audio-to-Audio

Audio-to-Audio會以已上傳、錄製的，或是現有的Stable Audio作品作為結構與音色的參考，再結合文字來生成新版本。使用者可以調整Input Audio Strength和Prompt Strength，從而在保留原音頻與大幅改變之間做出選擇。

API建議從約0.8的strength開始：數值越高，輸出通常越偏離輸入；數值較低則保留更多原結構。

實際最佳值需要按素材和提示迭代。

人聲哼唱與錄音輸入

使用者可以錄下哼唱、口哨、樂器或自然聲音作為輸入，進而產生伴奏、不同樂器的演奏版本或風格變化。它很適合將快速的音樂構思擴展為可聆聽的成品。

人聲輸入仍屬於實驗性工作流程，可能出現音準、節奏及身份特徵的變化。真人錄音必須取得授權，藍牙設備還可能為瀏覽器錄音帶來延遲。

音訊修補與延展

音頻修補功能可讓使用者指定音頻中的特定位置，並利用周圍的上下文資料來重新生成或延伸該部分的內容，如此即可用於改寫段落、補全結尾、修復過渡部分，以及調整整體結構。

生成並非無損編輯。新片段可能改變節拍、和聲與混音，正式作品應保留原文件並對重繪區域前後做完整试听。

輸入音頻版權檢測

用戶只能上傳自己擁有必要權利的音頻。平台會使用內容識別系統檢查上傳的檔案，疑似屬於他人版權的素材將會被拒絕並刪除。

即使被拒絕，檔案長度仍會從當月的上傳額度中扣除。請勿使用商業歌曲來測試風格轉換，也不要以能上傳為由就認為已獲得許可。

上傳的內容會用於訓練嗎？

官方FAQ說明，用戶上傳的輸入音頻不會被納入Stable Audio的訓練數據中，僅在當次互動時使用。但基於該互動所產生的生成輸出，可能會被用於當前或未來的模型改進。

對於客戶尚未發布的音樂、品牌聲音，以及受保密協議約束的素材，應核對最新條款。若要求輸出，亦不得進行訓練，必須透過企業合約來確認。

Free免費方案

Free版每月可使用Stable Audio 2.5生成10首歌曲，採用個人許可證，僅能用於個人及非商業項目。免費額度每月1日更新，未使用的生成次數不會結轉。

目前的使用者指南中，對於上傳額度有6分鐘和FAQ中的2分鐘兩種說法，且每次上傳的長度會被截斷為30秒。實際上應以帳戶內顯示的數值為準，不應將免費方案用於正式的商業用途。

價格與版本對比

Pro價格

Pro的目前價格為每月11.99美元，適用於需要商業許可的個人創作者。它提供創作者許可證，並提升內容生成及音頻上傳的功能。

目前FAQ確認每月可上傳30分鐘，每個上傳檔案最多使用6分鐘。

價格頁面在抓取的文本中並未穩定公開當前的生成次數，過去500首的產出額度可能會隨著模型成本的調整而改變。購買前應以結算頁面實時顯示的「Track Generations」數值為準。

Studio價格

Studio的目前價格為29.99美元/月，適用於需要更頻繁進行個人創作的用戶，此時需使用Creator License。每個月可上傳的音頻時間為60分鐘，而單次上傳的時間則最多為6分鐘。

Studio提升了生成與上傳的容量，但並不會自動授予中大型組織企業許可、法律賠償或本地部署權。

Max價格

Max目前的價格為每月89.99美元，這是針對在網頁上創作內容的個人創作者所設計的方案。每個月可上傳的音頻時間為90分鐘，且每次上傳的時間不得超過6分鐘。

需要更多容量可聯繫支援。

Max仍與Enterprise不同。團隊規模、終端用戶產品、模型自托管以及年收入較高的組織應按企業條款採購。

Enterprise企業許可

Enterprise可根據需求報價，能夠在自有基礎設施上部署模型，並提供定製化訓練、實作支援、持續性支援以及法律賠償等企業級服務。若企業的年營收超過100萬美元，且希望在自己的基礎設施上部署相關系統，則請與該團隊聯絡。

企業應在合同中寫明模型版本、硬件、並發、更新、數據訓練、商標聲音、支援SLA、輸出權利及賠償範圍。

Personal、Creator與Enterprise許可

Personal允許非商業專案；Creator允許個人將生成的音頻用於商業專案及音樂發行；

Enterprise用於中大型組織、規模化產品、應用、遊戲、影視、廣告與高MAU場景。

許可證以生成時的帳戶等級為準。FAQ說明，Pro及更高方案所生成的音頻，即便之後取消，仍保持原有的許可證；

升級或降級不會自動改變過去作品的許可。

取消與退款

訂閱透過Stripe管理，可隨時升級、降級或取消。升級會立即生效並按剩餘週期比例收費；

取消會立即降為Free，並失去未使用的本月生成額度。

退款由平台酌情處理，通常要求在扣款48小時內提出，且使用量低於當月額度的2％，或是屬於未經授權的付款等特殊情況。自動續費用戶應在賬單日之前取消服務。

Stability AI API價格

開發者平台是按信用點數來計費的，1個信用點數相當於0.01美元，而新帳戶則可獲得25個免費的信用點數。Stable Audio 2.5每成功生成一次內容，就能獲得20個信用點數，約合0.20美元。

Stable Audio 3.0每次成功生成26 Credits，約0.26美元，失敗則不收取費用。

API費率並不等同於完整的商業授權標準。開發者還必須遵守API條款、Community License或Enterprise License的規定，並需計算儲存、傳輸、重試及後處理的成本。

API呼叫方式

Text-to-Audio可直接返回音頻或Base64。Stable Audio 3.0的Audio-to-Audio則採用異步流程，提交後會返回generation ID，接著再輪詢結果端點；

上傳檔案最大約100MB。

API Key必須保存在服務端。生產環境應限制用戶上傳的檔案類型、驗證檔案類型、處理202狀態及超時情況，並保存生成的參數與許可證版本。

Stable Audio 3開放權重

Stable Audio 3.0的Small、Small SFX和Medium版本提供可下載的權重，而Large版本則主要透過Stability AI API以及Enterprise自托管方式來使用。開放式的權重讓開發人員能夠進行研究、推理，並建立自己的本地工作流程。

權重採用Stability AI Community License，並非無條件的公共領域。個人、研究以及符合收入門檻的商業使用可依據許可進行；

超過許可範圍的組織需要Enterprise License。

Stable Audio Open 1.0

早期的 Stable Audio Open 1.0 適合用來產生長度約 47 秒的鼓點、Riff、環境音效以及各種製作元素，其訓練數據則來自 Freesound 與 Free Music Archive 中的 Creative Commons 格式音頻。它並非以創造完整的歌曲或逼真的人聲為主要目標。

其模型權重同樣受Stability AI Community License約束。訓練來源和能力與商業網頁模型AudioSparx 2.x、3.0系列不同，不能混為一談。

GitHub代碼與許可證

官方的stable-audio-tools倉庫提供了用於條件音頻生成的訓練與推理工具，其代碼採用MIT許可證；stable-audio-3倉庫也公開了實作代碼與模型使用說明。

代碼MIT並不等於所有模型權重MIT。模型權重、輸出及商業規模仍受Community或Enterprise License的約束，部署前必須同時檢查代碼與模型兩份許可證。

訓練數據

Stable Audio網頁端的早期1.0和2.0版本，是使用AudioSparx的授權音樂進行訓練的，且相關藝術家可以選擇退出該系統；而3.0系列則是使用正式授權的音樂以及Creative Commons授權的音樂資料。

Stability AI還與其他資料合作夥伴合作，以擴展模型。

「授權數據」可改善來源合規性，但無法保證輸出內容絕不會與現有作品相似。商業發行仍需進行相似性檢查、人工聽審以及平台政策核驗。

Stable Audio使用教學

完成一次基礎任務

1. 確認錄音、聲音、音樂及參與者授權；
2. 把清晰音頻上傳或錄入Stable Audio；
3. 選擇語言、說話人及Stable Audio 3.0等處理設定；
4. 使用Stable Audio 2.5生成轉錄、配音或清理結果；
5. 逐段檢查姓名、數字、停頓、音量與情緒；
6. 導出前確認格式、響度、版權和隱私要求；

建立可重複使用的專業工作流

1. 用真實噪聲、口音和多人片段建立測試集；
2. 比較Stable Audio 3.0、Stable Audio 2.5和文字生成音樂的處理差異；
3. 保留原始錄音和未經修改的轉錄；
4. 對外發布前安排人工聽審；
5. 統計處理時長、錯誤率及額度消耗；
6. 定期更新術語表、聲音授權和刪除策略；

適合哪些用戶？

• 製作廣告、短影片、遊戲與播客音樂的個人創作者；
• 需要環境、擬音、Loop和製作素材的聲音設計師；
• 用哼唱、樂器與已有Stem引導生成的音乐人；
• 透過API批量生成音樂與音效的開發者；
• 希望下載開放權重、本地推理或訂製品牌聲音的技術團隊。

產品優勢

• Stable Audio 3可生成最長約6分鐘完整音樂；
• 覆蓋Text-to-Audio、Audio-to-Audio、Inpainting與延展；
• 訓練數據以授權和Creative Commons來源為主；
• 提供Web、API、開放權重與Enterprise自託管；
• Small SFX支援端側音效生成方向；
• 付費個人方案生成的內容可獲得Creator商業許可。

限制與注意事項

• Free僅能用於非商業用途，商業專案需要Pro及以上或Enterprise；
• 輸入的音頻必須擁有權利，被版權檢測拒絕的上傳仍會消耗月度上傳額度；
• 網頁生成次數與上傳分鐘可能隨模型調整，未用額度不結轉；
• 開放權重採用CommunityLicense，代碼MIT並不代表模型可以無限制商用；

常見問題

Stable Audio免費嗎？

有免費方案，每月可生成10次Stable Audio 2.5，僅限個人非商業使用。API新帳戶還有25個免費Credit。

Stable Audio多少錢？

網頁Pro為11.99美元/月、Studio 29.99美元/月、Max 89.99美元/月；Enterprise可訂製。

API 2.5約0.20美元/次，3.0約0.26美元/次。

可以生成多長的音樂？

Stable Audio 2.5的最長時間約為3分鐘，Stable Audio 3.0的最長時間則約為6分鐘；不同模型及入口的時間上限也有所差異。

可以商用嗎？

Pro、Studio和Max的個人創作者可依據Creator License用於商業用途，而組織及大規模產品則需核對Enterprise License。Free版本不可用於商業用途。

Stable Audio是開源的嗎？

部分開放。stable-audio-tools的代碼採用MIT授權，3.0 Small、Small SFX與Medium則採用開放權重，但模型的使用必須遵守Stability AI Community License的規定；

Large主要透過API和Enterprise使用。