什么值得买App下载 App ›
连续签到专享现金活动

Stable Audio 3.0开源:6分钟完整音乐一键生成,版权干净可本地跑

6分20秒完整曲目,8步采样出活,14亿参数的中型模型即可本地运行。5月20日,Stability AI 发布 Stable Audio 3.0 音频生成模型家族,同步开放 Small SFX、Small、Medium 三款模型权重下载。与竞品 Suno、Udio 深陷版权诉讼不同,Stable Audio 3.0 训练数据来自授权音乐库 AudioSparx 与 Creative Commons 曲目,社区许可证下年收入低于100万美元可免费商用。123
四个型号规格对比
型号参数量最长时长开放方式典型场景
Small SFX4.59亿2分钟开源权重(HF)音效/环境声
Small4.59亿2分钟开源权重(HF)短音乐/BGM loop
Medium14亿6分20秒开源权重(HF)完整曲目创作
Large27亿6分20秒API付费/企业授权最高质量整曲
Medium 与 Large 均能生成长达6分20秒的完整作品,能维持音乐结构与旋律基调。相比前代 Stable Audio Open 最长47秒、Stable Audio 2.0 最长约3分钟,3.0直接翻了一倍以上。Small SFX 与 Small 可在 CPU 模式或消费级显卡(RTX 4060 8GB)上运行,Medium 建议搭配 GPU 使用。Large 型号未开源,仅通过 API 与付费托管服务提供,年营收超100万美元的企业需购买商业授权。24
版权合规是最大差异点
Suno 与 Udio 正在法庭上争论"合理使用"边界,Stable Audio 3.0 选择了另一条路:完全绕开争议数据。3.0 的训练数据由两部分构成——来自 AudioSparx 的806,284条授权录音,以及经版权检测工具过滤后的 Freesound 472,618条 Creative Commons 授权录音。血统干净,是这版模型的核心卖点。社区许可证下,创作者完全拥有输出内容的所有权,可自由发行与商业化,Stability AI 不抽成、不拿版权。1
本地部署与工作流支持
ComfyUI v0.22.0 已原生支持 Stable Audio 3.0,官方内置示例工作流涵盖音乐与音效两种模板。使用 Medium 模型需要下载三部分:stable_audio_3_medium 本体模型、T5Gemma 文本编码器、以及 Qwen3.5 提示词增强模型。显存占用约6GB,生成6分钟音乐采样时间约6秒,但解码耗时约85秒——部分用户反馈解码过程偶发卡死。有用户实测 RTX 3060 生成2分钟音频耗时约30秒,比同参数量级的 ACE Step 1.5 快出不少。56
电子音乐效果最好,生成钢琴、弦乐等器乐时偶发噪音与走音。模型支持变长生成,短音效几乎瞬间完成,短视频配乐、长曲目均可按需指定时长。此外,官方同步开放了 Small 与 Medium 的 LoRA 微调文档,允许开发者用私有数据集定制风格或乐器音色。5
对创作者的实际影响
短视频博主、游戏开发者、播客主是直接受益群体。以前需要自己拼接30秒片段、或付费购买版权BGM,现在一句话就能生成最长6分钟的完整配乐,且输出归属自己,无版权纠纷风险。独立音乐人可用它快速打 Demo、做伴奏实验。普通用户若本地算力不足,Hugging Face 提供了在线 Demo 可直接体验。7
短期看,版权合规的 AI 音乐工具有了开源选择。Medium 模型开源权重可直接下载,Small 版本甚至 CPU 就能跑,门槛比以往低得多。Stable Audio 3.0 的 Large 版本与专业音乐人产品线仍在布局中——前环球音频与 Fender 首席数字官 Ethan Kaplan 已加入公司,负责领导该业务方向。1

评论

评论区空态插画

当前文章无评论,是时候发表评论了