Stable Audio 3.0: como funcionam os novos modelos de IA para gerar músicas

Mas a nova versão traz mudanças importantes que a colocam entre os sistemas mais ambiciosos da área: músicas mais longas, vários tamanhos de modelo para diferentes usos e uma estratégia parcialmente aberta para desenvolvedores.

O que é o Stable Audio 3.0

O Stable Audio 3.0 é uma família de modelos de IA voltados para geração de áudio a partir de texto — incluindo músicas completas, trilhas instrumentais e efeitos sonoros.

Segundo a Stability AI, os modelos foram criados como uma plataforma de “áudio generativo” voltada à experimentação criativa, permitindo que desenvolvedores e artistas explorem novas formas de composição assistida por IA.

Outro ponto enfatizado pela empresa é o treinamento com dados totalmente licenciados, uma tentativa de reduzir os riscos de copyright que têm cercado muitas ferramentas de música gerada por IA.

Os quatro modelos da família Stable Audio 3.0

A nova geração inclui quatro modelos principais, com diferentes tamanhos e capacidades.

Stable Audio 3.0 Small SFX

• Cerca de 459 milhões de parâmetros
• Focado em efeitos sonoros curtos
• Projetado para rodar de forma leve, inclusive em dispositivos locais

Stable Audio 3.0 Small

• Aproximadamente 459 milhões de parâmetros
• Voltado para geração de música leve ou protótipos
• Pode ser executado localmente por desenvolvedores

Stable Audio 3.0 Medium

• Cerca de 1,4 bilhão de parâmetros
• Maior controle musical e composições mais complexas

Stable Audio 3.0 Large

• Aproximadamente 2,7 bilhões de parâmetros
• O modelo mais avançado da linha
• Pensado para produção musical com qualidade mais próxima do nível profissional

Essa estrutura em camadas permite escolher o modelo conforme o hardware disponível, o tempo de geração e o nível de qualidade desejado.

Duração das músicas geradas

Uma das maiores melhorias em relação às versões anteriores é o aumento do tempo de geração de áudio.

• Os modelos Small SFX e Small conseguem criar faixas de até cerca de 2 minutos, sendo ideais para execução local ou aplicações em dispositivos.
• Já os modelos Medium e Large podem gerar composições completas de aproximadamente 6 minutos e 20 segundos.

Isso representa mais que o dobro da duração possível em versões anteriores do sistema, aproximando a IA da criação de músicas completas em vez de apenas loops curtos ou demos.

Quais modelos são open‑weight

A Stability AI adotou uma estratégia híbrida de distribuição.

Modelos open‑weight (baixáveis):

• Stable Audio 3.0 Small SFX
• Stable Audio 3.0 Small
• Stable Audio 3.0 Medium

Esses modelos podem ser baixados e executados localmente por desenvolvedores ou pesquisadores, permitindo experimentação, customização e integração em novos softwares.

Modelo disponível apenas via API:

• Stable Audio 3.0 Large

O modelo mais poderoso não tem pesos liberados publicamente e é oferecido apenas por serviços hospedados ou acesso corporativo.

Essa estratégia é semelhante ao que a empresa já fez em outros projetos: liberar versões abertas para pesquisa enquanto mantém o modelo mais avançado sob controle comercial.

Licenciamento e dados de treinamento

Um dos pontos mais sensíveis na música gerada por IA é a origem dos dados de treinamento. Para lidar com essa questão, a Stability AI afirma que o Stable Audio 3.0 foi treinado exclusivamente com dados licenciados.

Segundo a empresa, os usuários geralmente podem possuir e distribuir as músicas que geram, dentro dos termos da licença da plataforma.

• A Community License atende criadores, pesquisadores e pequenas empresas.
• Organizações com faturamento anual acima de cerca de US$ 1 milhão precisam de uma licença empresarial.

Apesar dessas declarações, detalhes completos sobre a composição do conjunto de dados não foram totalmente divulgados publicamente, o que limita a verificação externa.

Parcerias com grandes gravadoras

Para fortalecer sua posição em relação ao licenciamento, a Stability AI também firmou acordos com grandes empresas da indústria musical.

• Universal Music Group (UMG) anunciou uma aliança estratégica com a empresa para desenvolver ferramentas profissionais de criação musical com IA usando dados licenciados e colaboração de artistas.
• Warner Music Group (WMG) também estabeleceu parceria para criar ferramentas responsáveis de IA voltadas a compositores, produtores e artistas.

Essas parcerias tentam enfrentar uma das maiores controvérsias da área: o uso de músicas protegidas por direitos autorais no treinamento de modelos de IA.

A corrida pela música gerada por IA

O lançamento do Stable Audio 3.0 acontece em um momento de competição intensa no setor de áudio generativo.

Empresas como Google, Suno, Udio e ElevenLabs estão desenvolvendo sistemas capazes de produzir músicas cada vez mais realistas, com vocais sintéticos, estruturas musicais completas e ferramentas de produção integradas.

A estratégia da Stability AI tenta se diferenciar em dois pontos principais:

• Modelos open‑weight, que atraem desenvolvedores e pesquisadores
• Treinamento com dados licenciados, reforçado por parcerias com gravadoras

Com geração de músicas acima de seis minutos e uma abordagem mais aberta para a comunidade de IA, o Stable Audio 3.0 mostra como o setor está se movendo rapidamente para sistemas capazes de criar faixas completas e estruturadas, não apenas pequenos trechos de áudio.

O que isso indica para o futuro da criação musical

O Stable Audio 3.0 também reflete uma tendência mais ampla na IA: em vez de um único modelo universal, empresas estão lançando famílias de modelos especializados.

Com versões leves para rodar localmente, modelos intermediários abertos e um modelo grande voltado ao mercado profissional, a Stability AI tenta atender desde hobbystas e desenvolvedores até produtores musicais.

Se a qualidade continuar evoluindo e as questões de licenciamento forem resolvidas, ferramentas desse tipo podem se tornar componentes fundamentais das próximas gerações de softwares criativos.