Lu
Stable Audio 是 Stability AI 公司在音频领域的核心产品，和它家大名鼎鼎的 Stable Diffusion（图像生成）师出同门。这个工具最早在2023年9月推出，到2026年5月已经迭代到了3.0版本。它做的事情其实挺直接的——你给它一段文字描述，它就能给你生成一段音乐或者音效。但和市面上大多数AI音乐工具不一样的是，Stable Audio走了一条完全不同的路线：开源 + 本地部署 + 全授权数据训练。3.0版本一共发布了四个模型，其中三个是开源权重，任何人都可以下载下来在自己电脑上跑。Stability AI 对Stable Audio的定位很清晰——它不是要做“最好听的AI音乐”，而是要做“你能放心用在商业项目里的AI音乐”。所有训练数据都来自授权和Creative Commons音频库。公司已经和华纳音乐、环球音乐签了合作协议。说到底，Stable Audio解决的最大痛点不是“能不能生成音乐”，而是“生成出来的音乐能不能用、敢不敢用”。
Stable Audio的功能体系在3.0版本迎来了一次全面重构，从架构到功能都和之前完全不同。核心功能我拆成几个部分来说：
文本生成音乐——这是最基础的功能。你输入一段描述性文本，比如风格、乐器、情绪、节奏，AI就能生成对应的音乐曲目。支持带人声和纯器乐两种模式。目前覆盖50+种音乐风格，流行、摇滚、古典、电子、爵士、氛围都能做。
四档模型任你选——3.0版本最大的变化是发布了四个针对不同场景的模型。Small SFX（4.59亿参数）专门做音效，能在手机和普通笔记本上本地跑。Small Music（4.59亿参数）做音乐创作，同样支持设备端运行，最长2分钟。Medium（14亿参数）是大多数人的主力选择，最长6分20秒，需要消费级GPU。Large（27亿参数）是旗舰款，只通过API和自托管提供。
设备端本地生成——这是Stable Audio和Suno、Udio最本质的区别。Small系列模型可以直接在你自己的电脑上跑，不需要联网，没有API费用，没有使用上限。Medium模型在MacBook Pro M4上只要几秒钟就能生成一段音频。
音频补全与Inpainting——支持对已有音频进行定向编辑和续写。你可以输入自己的音频，让模型根据上下文自动生成后续内容。
DAW插件——2026年8月，Stability AI推出了Stable Audio的DAW插件。支持macOS的AU和VST3格式，兼容Logic Pro和Ableton Live等主流DAW。可以直接在音轨上生成音频，和工程BPM同步，保存多个备选版本。
LoRA微调——用户可以在自己的音频库上对模型进行微调训练。
商用授权清晰——所有生成的作品，用户拥有输出内容的所有权。年收入低于100万美元的组织可免费商用。
Stable Audio的用户规模目前在50万以上。和Suno那种千万级用户量确实有差距，但Stable Audio的定位本身就不同——它更偏向专业用户和开发者，而不是大众消费者。在专业圈子里，Stable Audio的评价相当不错。ToolBrain给Stable Audio 3.0打了8.7/10分，在易用性、功能、文档方面都给了9分。Dubspot的评测认为这是Stability AI“第一个真正能在工作室里用的音频模型”。商业合作方面，Stability AI已经和华纳音乐、环球音乐签了合作协议，2026年4月又和独立音乐出版商Kobalt达成了授权协议。目前只有索尼音乐的诉讼还在进行中。在用户社区，Hugging Face上已经有不少开发者在基于Stable Audio的开源权重做二次开发。
Stable Audio有两条完全不同的使用路径——网页版和本地部署。我分别说一下：
路径一：网页版（最简单，适合大多数人）
第一步：打开 stableaudio.com，注册一个账号。免费版注册会送10积分。第二步：在输入框里写一段文字描述你想要的音乐。比如“后摇滚、吉他、鼓、贝斯、弦乐、欢欣、振奋、125BPM”。越具体效果越好。第三步：点击生成。免费版默认生成45秒左右的短曲目。第四步：试听。如果满意，可以直接下载。如果不满意，调整描述重新生成。第五步（进阶）：如果你续费了付费版，可以用“Extend”功能续写，把一首曲子慢慢拉长到完整的长度。
路径二：本地部署（适合技术用户和开发者）
第一步：去Hugging Face下载Stable Audio 3.0的开源权重。Small SFX、Small Music和Medium三个模型都可以免费下载。第二步：安装依赖环境。Stable Audio 3.0支持通过stable_audio_3库进行推理，也支持ComfyUI节点。第三步：运行推理。可以用Python脚本调用模型，也可以用ComfyUI的可视化界面操作。第四步（可选）：如果你用的是Apple Silicon Mac，还可以用MLX原生推理，一行命令就能跑起来。
1. 提示词要具体——别只写“一首好听的歌”。写清楚风格、乐器、情绪、节奏。实测“后摇滚、吉他、鼓、贝斯、弦乐、欢欣、振奋、125BPM”比“摇滚乐”效果好得多。
2. 搞清楚自己要什么模型——做视频配乐用Medium，做游戏音效用Small SFX，做背景氛围用Small Music。Large只有API和自托管才能用。
3. 商用项目优先考虑Stable Audio——如果你的音乐要进广告、客户项目、付费内容，Stable Audio的训练数据授权透明是最大的优势。Suno和Udio在这方面有争议。
4. 善用音频补全——如果你有一段现成的音频想续写，用音频补全功能可以让模型根据上下文自动生成后续内容。
5. DAW用户装插件——如果你用Logic Pro或Ableton Live，强烈建议装Stable Audio的DAW插件。直接在音轨上生成、同步BPM、保存多个版本，比网页版导出再导入方便太多了。
6. 免费版先试水——10积分虽然不多，但足够你试几次方向了。先确定Stable Audio的风格适合你的项目，再考虑付费。
Stable Audio的“安装”方式取决于你想怎么用：
网页版——不需要安装任何东西。打开 stableaudio.com 注册登录就能用。
DAW插件（macOS）——从Stable Audio官网下载插件安装包。支持AU和VST3格式。在Ableton里它在PlugIns的Instrument轨道下，在Logic里它在Instrument插槽中。目前只支持macOS，兼容Apple Silicon和Intel Mac。
本地模型部署——从Hugging Face下载模型权重。安装stable_audio_3库。或者用ComfyUI的可视化节点操作。Apple Silicon Mac用户可以用MLX原生推理。硬件要求：Small系列CPU就能跑。Medium需要约6.5GB显存的NVIDIA GPU。Large只能通过API或自托管使用。
Stable Audio的定价体系比较复杂，因为它既有SaaS订阅，又有开源免费选项。我分几个层面说：
开源模型（免费）——Small SFX、Small Music和Medium三个模型的权重完全免费，任何人都可以下载、使用、修改。你只需要自己承担硬件成本。
网页版免费套餐——注册送10积分试用。可以生成和下载45秒的短曲目。
网页版Pro版——约$11.99/月。更多积分、更长生成时长（最长3分钟）、商业项目使用权。
网页版Studio版——约$29.99/月。
网页版Max版——约$89.99/月。
API按量付费——Stable Audio 3.0 API每生成一次收费$0.26，最长6分钟。Stable Audio 2.5是$0.20一次。⚠️ 重要提醒：网页版订阅的月度积分不会累积到下个月。年收入超过100万美元的企业需要单独购买Enterprise License。本地部署虽然模型免费，但需要自己搞定GPU硬件。
Stable Audio最适合这几类人：
AI视频创作者——用Kling、Veo这些工具生成视频后，配乐是最大的痛点。Stable Audio能快速生成版权安全的背景音乐。
独立游戏开发者——需要原创音效和背景音乐但预算有限。Small SFX模型可以在普通电脑上本地生成音效。
广告和商业项目团队——最在意的是“能不能放心用在客户的付费项目里”。Stable Audio的训练数据授权透明是最大优势。
音乐制作人和声音设计师——DAW插件让Stable Audio能直接融入专业工作流。LoRA微调功能可以在自己的音频库上定制模型。
技术爱好者和开发者——开源权重、ComfyUI支持、MLX原生推理。想折腾的人可以玩出很多花样。
反过来说，如果你需要带人声的歌曲，Stable Audio目前还不支持。如果你追求“一键出歌、风格全面、上手极快”，Suno可能更合适。
Q：Stable Audio和Suno、Udio有什么区别？
最大的区别是开源和授权。Stable Audio走开源+本地部署路线，训练数据全部授权。Suno和Udio是闭源云服务，训练数据来源不透明。风格上，Stable Audio擅长器乐和音效，Suno和Udio在人声歌曲上更强。
Q：Stable Audio支持中文输入吗？
支持中文提示词输入。但模型训练数据以英文为主，英文提示词的效果通常更好。
Q：生成的音乐能商用吗？
能。按照Stability AI Community License，年收入低于100万美元的组织可免费商用。年收入超过100万美元需购买Enterprise License。
Q：本地部署需要什么配置？
Small系列CPU就能跑。Medium需要约6.5GB显存的NVIDIA GPU。Large只能通过API或自托管。MacBook Pro M4上Medium模型几秒钟就能生成一段音频。
Q：免费版够用吗？
10积分只够试几次。想认真做项目，至少得开Pro版。不想花钱的话，自己部署开源模型是另一条路。
Q：Stable Audio和Stable Diffusion是一家公司的吗？
对，都是Stability AI的产品。Stable Diffusion做图像，Stable Audio做音频。
训练数据全部授权，商用安心——这是Stable Audio和Suno、Udio最本质的区别。
开源权重免费下载——三个模型随便用、随便改。
本地部署不上传数据——没有隐私顾虑，没有API费用，没有使用上限。
设备端生成速度快——Medium在MacBook Pro M4上几秒钟就能生成。
DAW插件直接融入工作流——Logic Pro和Ableton Live用户可以直接在工程里生成音频。
LoRA微调支持定制——可以在自己的音频库上训练专属模型。
不支持人声和歌词——如果你需要带唱的歌曲，Stable Audio直接出局。
开源模型对硬件有要求——Medium需要GPU，不是每个人都能跑。
风格覆盖不如Suno全面——Stable Audio擅长氛围、配乐、器乐，流行人声类不如竞品。
网页版免费版限制严——10积分只够试几次。
文档和技术门槛偏高——本地部署需要一定的技术能力。
Large模型不开源——旗舰款只能通过API或自托管使用。
评论