Stable Audio 3.0：Stability AI 推出可生成 6 分鐘歌曲的 AI 音樂模型家族

Stability AI 將其定位為一個用於 「生成式音訊」與創意實驗的平台，並強調模型使用經授權的資料集進行訓練，試圖降低過去 AI 音樂系統常見的版權爭議。

此外，這個系列並不是單一模型，而是一組不同規模的模型，讓開發者能依據硬體資源、生成品質需求與使用場景做選擇。

Stable Audio 3.0 的四種模型

Stable Audio 3.0 共包含四種模型，參數規模從數億到數十億不等。

Stable Audio 3.0 Small SFX

• 約 4.59 億參數
• 主要用於生成短音效
• 適合輕量化或裝置端（on‑device）使用

Stable Audio 3.0 Small

• 約 4.59 億參數
• 用於基礎音樂與音訊生成
• 適合本地推論或小型專案

Stable Audio 3.0 Medium

• 約 14 億參數
• 能生成更具表現力的音樂
• 支援更長的曲目

Stable Audio 3.0 Large

• 約 27 億參數
• 系列中能力最強
• 目標是專業級音樂生成

這種分級設計讓創作者可以依照設備性能與品質需求選擇不同模型。

AI 生成音樂最長可達多久

Stable Audio 3.0 的一個重大突破是 生成長度的大幅提升。

• Small SFX 與 Small 模型最長可生成約 2 分鐘音訊，主要針對裝置端或本地運行。
• Medium 與 Large 模型則可以生成約 6 分 20 秒的完整音樂作品。

這個長度比舊版系統大幅增加，使 AI 不再只生成短片段或循環，而是能產生結構完整的歌曲。

哪些模型是開放權重

Stability AI 採取混合發布策略：部分模型開放權重、部分保留為商業服務。

開放權重模型：

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

開發者與研究者可以下載這些模型，在本地環境運行或進一步修改。

API／商業版本：

• Stable Audio 3.0 Large

最大的模型沒有公開權重，而是透過託管服務或企業 API 提供。

這種策略與 Stability AI 在其他生成式模型中的做法類似：一部分開放給開發者實驗，最強版本則保留給企業部署。

訓練資料與授權策略

Stability AI 強調 Stable Audio 3.0 使用 完全授權的資料集進行訓練，以減少版權風險。

一般使用者在生成音樂後，通常可以擁有並自由分發作品。在 Stability AI 的授權模式中：

• 年營收 低於約 100 萬美元 的個人、研究者與小型組織，可使用 Community License。
• 年營收 超過約 100 萬美元 的企業需要購買企業授權。

不過，外界仍難以完全驗證訓練資料的詳細構成，因為完整資料來源並未全面公開。

與大型唱片公司的合作

為強化資料授權與產業合作，Stability AI 已與主要音樂公司建立合作關係。

• 環球音樂集團（Universal Music Group, UMG） 與 Stability AI 建立策略合作，共同開發面向專業音樂人的 AI 創作工具。
• 華納音樂集團（Warner Music Group, WMG） 也與其合作，推動更負責任的 AI 音樂創作工具。

這些合作的核心目標，是在 AI 訓練與音樂版權之間建立更清晰的合法框架。

在 AI 音樂競賽中的位置

Stable Audio 3.0 的推出，正值 AI 音樂技術競爭加劇之際。

目前包括 Google、Suno、Udio、ElevenLabs 等公司都在開發能生成高品質音樂與聲音的 AI 系統。

Stability AI 的差異化策略主要在兩點：

• 部分模型開放權重，吸引開發者與研究社群。
• 強調授權資料與唱片公司合作，降低法律與版權風險。

再加上可生成 超過 6 分鐘的完整歌曲，這一代系統正在把 AI 音樂從短片段工具推向真正的歌曲生成平台。

更大的趨勢

Stable Audio 3.0 也反映出生成式 AI 的一個趨勢：不再依賴單一大型模型，而是建立 多層級模型家族。

透過小型本地模型、中型開放模型與大型雲端模型並存的策略，Stability AI 試圖同時服務從愛好者、開發者到專業音樂製作人的不同需求。

隨著生成品質、音樂結構控制與授權機制逐步成熟，像 Stable Audio 3.0 這類工具很可能成為下一代音樂創作軟體的重要基礎。