Stability AI获7600万美元融资：三大音乐巨头齐入局，但SD老玩家等的和资本看的可能不是一回事

源自59位全网作者

08-26 15:53

在生图圈里已经"安静"了很久的 Stability AI，今天突然重新回到视野中央——不是因为发新模型，而是因为一笔钱。

7600 万美元 B 轮，但名单比金额更值得看

今天，AI 图像生成模型 Stable Diffusion 的开发商 Stability AI 完成了 7600 万美元 B 轮融资，累计融资额达到 2.32 亿美元，参投方包括环球音乐集团、索尼音乐集团、华纳音乐集团、艺电（EA），以及 AMD Ventures、Pacific Alliance Ventures 等。微博金额本身不算惊人，真正值得咂摸的是结构：全球唱片业三巨头一起进场，它们押一个"图像公司"图什么？

线索其实早就写在时间线里。过去一年，Stability 密集与娱乐公司签约，将生成式 AI 纳入其创作流程，去年 10 月与环球音乐和 EA 建立合作，11 月与华纳音乐携手，合作模式均为共同开发。微博所以外界对这轮融资的解读很直接：生成媒体竞争开始更依赖版权与产业合作。微博

SD 老玩家的困惑：图像模型停在 3.5

如果你是玩 SD 多年的老玩家，看到这条新闻的心情可能有点复杂，因为图像这边的反差相当刺眼：SD 图像这条线停在了 2024 年 10 月 22 日发布的 SD 3.5 全家桶，连社区今年 6 月写的全系列编年史盘点，最终章都还是 SD 3.5，而 FLUX 已经是能跟 SD 正面掰手腕的新势力。知乎专栏知乎上甚至出现了"为什么我感觉stablediffusion没用呢？生图质量连豆包都不如？"这样的提问。知乎

但这个生态远没有死。小红书上，SD 生成的作品依然在持续收获关注，一张"夜晚海边"系列图帖就有超过两万点赞。小红书B 站上，SD 整合包安装教程仍在天天更新，昨天发布的一条视频已有数万播放。哔哩哔哩模型可以停更，老玩家的工作流和创作没有停。

融资的真正主角：Stable Audio 3.0，从 11 秒到 6 分钟

资本愿意掏钱的原因，大概率不是那个旧图像模型，而是今年 5 月 20 日发布的音频线：Stable Audio 3.0 有四个模型变体，三个开源权重，最长可生成 6 分 20 秒的立体声音频，采样率 44.1 kHz，全部训练数据来自授权许可。微博

这个跳跃有多大？2024 年的 Stable Audio Open 最长只能生成 47 秒，2025 年的 Open Small 只有 11 秒，这次直接干到了 380 秒。从 11 秒到 380 秒，不是线性升级，是量变引发了质变。微博6 分钟这个数字的意义在于，它刚好覆盖一首完整歌曲的长度：Medium 模型一次生成 6 分 20 秒，意味着终于可以不用拼接、不用后处理，用开源模型从零生成一首完整的歌。

工程侧的承接也很快：该模型在 ComfyUI 0.22.0 版本中已支持，轻量级模型可以轻松制作从简短音效到长达 6 分钟的音乐。更关键的是版权姿态——该模型完全基于授权音乐训练，无需担心版权问题。微博

这笔钱，对四拨 SD 用户意味着什么

等 SD4 的人。这轮融资的流向已经把答案写得比较明白：公司的资源在往音频和授权内容倾斜，不是图像模型的军备竞赛。如果你的活儿依赖下一代开源图像模型，把 FLUX 等现役谱系先放进评估清单，比继续干等更现实。SD 没有死，但图像这条线进入了维护期。

以 SD1.5/SDXL+LoRA 为主力的人。不用慌。已经放出来的开源权重不会随公司战略转向而消失，你的 checkpoint、LoRA、工作流仍然是自己手里的资产。连社区盘点都承认，Stable Diffusion 仍然是开源图像生成领域生态最完善、用户基数最大的模型家族。知乎专栏checkpoint 的内部结构也没变，还是 unet、vae、text_encoder、scheduler 那一套模块，攒下来的东西照样能用。

音视频与独立游戏创作者。Stable Audio 3.0 值得现在就上手试。Small 和 Medium 的权重已在 Hugging Face 开放下载，同时发布的还有 LoRA 微调文档，你可以用自己的音频库来微调模型。微博训练数据全部来自授权音乐这一点，也让它商用时的版权风险明显低于还在版权纠纷里的同类产品，Small 版本甚至可以只在 CPU 上跑。

企业用户。三大唱片公司以共同开发的模式进场，等于版权方亲自为这条授权内容路线背书。如果你需要的是合规框架内可商用的生成音频，这条路线值得放进观察清单，尤其是它同时握着开源权重和企业授权两套口子。