AI万址
Stable Audio

Stable Audio

Stable Audio是Stability AI推出的AI音频生成工具，支持文本生成音乐、音效和音频修复。3.0版本提供开源权重，支持本地部署和商用授权，适合视频创作者和游戏开发者。

访问官网
Stable Audio
访问官网
基本信息详情
开发公司Stability AI
上线时间2023年
官网https://www.stableaudio.com/
支持平台Web、API、Hugging Face（开源权重）
价格免费层（每月有限积分）；付费层含商用授权
核心定位开源权重AI音乐与音效生成工具

Stable Audio是Stability AI推出的AI音频生成产品，能把一段文字描述变成完整的音乐曲目或音效。这家公司之前靠Stable Diffusion在图像生成领域打出了名堂，现在把同样的开源策略搬到了音频领域。2026年5月发布的Stable Audio 3.0是当前主力版本，包含四个模型：Small SFX、Small、Medium和Large，覆盖从手机端到企业部署的全场景。

和Suno或Udio这些主打"一键生成带人声歌曲"的产品不同，Stable Audio更像是声音设计师的工具箱。它擅长生成器乐曲目、背景音乐和音效，而不是带歌词的完整歌曲。如果你需要给视频配一段背景音乐、给游戏做音效，或者在本地跑模型做实验，Stable Audio是目前为数不多同时提供开源权重和商用授权的选择。

核心卖点很直接：所有模型都在已授权数据上训练，你生成的音频归你所有，可以商用。年营收超过100万美元的企业需要购买Enterprise License，个人和小团队用Community License就行。

核心功能

01

文本生成音乐

输入一段描述——比如"情绪化的民谣流行，Am调到明亮副歌的过渡，100 BPM，指弹吉他和扫弦副歌"——模型就能生成对应风格的音乐。支持50多种风格标签，从流行、摇滚、古典到电子、嘻哈、环境音乐。输出格式为44.1 kHz立体声，可下载WAV和MP3。

02

音效生成

用文字描述生成游戏音效、环境音、UI提示音等。比如"未来感UI确认音，带柔和玻璃质感，0.5秒"这类描述就能出效果。Stable Audio 3.0 Small SFX专为音效设计，可在手机和普通笔记本上本地运行。

03

可变长度生成

3.0版本引入了可变长度生成机制，支持秒级精度。Small模型可生成最多2分钟音频（上一代Open Small只有11秒），Medium和Large可生成超过6分钟的曲目。这个功能对需要精确控制时长的视频和播客制作者来说很实用。

04

音频修复与续写

Inpainting功能允许你只修改音轨的某一段而保留其余部分。支持单段编辑、多段编辑和因果续写（在音频末尾往后延伸）。不用因为一小段不满意就重新生成整首曲子。

05

LoRa微调训练

3.0 Small和Medium支持LoRa训练，你可以用自己的音频库定制模型。Stability AI首次发布了LoRa训练文档，企业License用户还能获得手把手的微调支持。

06

本地部署

Small SFX、Small和Medium三个模型是开源权重的，可在Hugging Face免费下载。Small模型是目前唯一能在设备上完成完整音乐合成的模型，不限于短样本，能产出完整曲目。也可在ComfyUI工作流中使用。

适合谁

适合： 视频创作者需要免版税背景音乐；游戏开发者需要快速生成UI音效和环境音；声音设计师想要一个可本地运行的生成工具；技术用户想在ComfyUI管道中集成音频生成。

不适合： 想要带歌词和人声的完整歌曲——Suno和Udio在这方面更擅长。免费层的生成限制在30秒且每月有积分上限，频繁使用需要付费。

同类竞品对比

产品侧重开源人声歌曲音效本地部署
Stable Audio器乐+音效是（部分模型）弱强支持
Suno完整歌曲（含人声）否强弱不支持
Udio完整歌曲（含人声）否强弱不支持
ElevenLabs音效音效生成否无强不支持

FAQ

Q

Stable Audio生成的音乐可以商用吗？

A

可以。在Community License下你拥有输出的完整所有权，可以分发和商用。年营收超过100万美元的组织需要购买Enterprise License，后者还提供法律赔偿保障。

Q

免费版有什么限制？

A

免费层每月提供有限的生成积分，单次生成限制在约30秒。商用授权取决于你的订阅等级，发布前需要确认License条款。

Q

Stable Audio 3.0的四个模型有什么区别？

A

Small SFX专做短音效，可在手机本地运行；Small可做完整音乐合成，同样在设备上运行；Medium提供更好的音乐结构和旋律连贯性，时长可达6分20秒；Large是最强模型，面向音乐平台和高并发场景。

Q

和Suno比哪个好？

A

取决于用途。需要带人声的完整歌曲，Suno更强。需要器乐背景音乐、音效、或本地部署能力，Stable Audio更合适。Stable Audio的授权透明度也是优势——所有模型在已授权数据上训练。

Q

可以在ComfyUI中使用吗？

A

可以。开源权重模型支持在ComfyUI工作流中运行，社区已有不少相关集成。

更新动态

2026年5月3.0发布是最重要的更新。四个模型覆盖了从手机端到企业部署的全链条，Small模型首次实现设备上的完整音乐合成。开源权重发布赢得了开发者社区的认可，已授权训练数据的策略也解决了品牌方对版权风险的顾虑。

客户评论

汇总评分：6.8/10（RECATOOLS评测）

"生成速度快，界面干净，授权故事让人放心。我们用它给客户视频配器乐背景，比买素材库灵活得多。" — 声音设计师

"作为本地AI管道的一部分，Stable Audio Open在ComfyUI里的表现稳定。缺点是器乐only，想要人声还得另找工具。" — 独立开发者

参考来源