Stable Audio Open
开放权重的音效与循环模型，四十七秒，商用有门槛。
模型档案
- 厂商
- Stability AI
- 形态
- 本地模型
- 输入
- 文本 · 音频
- 输出
- 音频
- 条款
- Stability AI 社区许可：年收入低于门槛可商用，超过需企业许可；开放权重不等于无条件开源
- 核对日
- 2026-10-31
相关
开放权重，但不是随便用
Stable Audio Open 的权重能下载、能本地跑、能用 LoRA 微调，但许可不是 MIT 那种随便用。Stability AI 社区许可允许年收入低于门槛的组织商用，超过门槛要企业授权；再分发、托管服务、拿产出训练别的模型，另有约束。先读模型卡，再决定它能不能进你的交付链。它是 2024 年那一代开放权重，和后来的 Stable Audio 3.0 系列不是同一套规格。
文本到声音，四十七秒
输入是文字描述，也可以拿一段音频做音频到音频；输出是 44.1kHz 立体声，单段最长约四十七秒。它不做歌曲，不唱人声，强项是音效、环境声、鼓循环、器乐铺底。描述里写“温暖的模拟合成器铺底、轻微磁带噪声”，比写“悲伤”有用；具体时长与采样率以模型卡为准。
采样、循环与音效
它的训练数据来自 CC 授权的音频库，风格偏电子、氛围、实地录音，做采样包和游戏音效很合适。鼓循环的瞬态干净，环境铺底的空间感也够；但首尾不做无缝处理，直接循环会有接缝，要自己在 DAW 里切。低频量在不同批次间不稳，做一套素材要逐条归一。
| 用途 | 合适度 | 注意 |
|---|---|---|
| 环境铺底 | 高 | 首尾淡入淡出 |
| 鼓与打击循环 | 高 | 接缝与低频 |
| 器乐动机 | 中 | 结构弱、易重复 |
| 带人声的歌 | 低 | 不唱词 |
本地部署的硬件与质量
消费级显卡能跑，显存随批大小与采样步数变化；生成速度与长度成反比，四十七秒是硬上限，做长铺底要拼接。提示遵循度中等，具体乐器与风格常被“平均化”；同一提示的响度与音色漂移明显。它适合当素材机，不适合当终混的成品源。想在 DAW 里反复试，配一个固定种子与提示模板，能减少漂移。
许可门槛与替代品
要确认：年收入门槛、企业授权、产出能否再分发为采样库、能否用于托管服务、微调后的权重如何标注。具体以 Stability AI 社区许可与模型卡为准。替代：要更长、更新的开放权重，看 Stable Audio 3.0 系列；要整曲与人声，换 YuE 或 MiniMax Music；要本地音效，也可对比 MusicGen。
在库中听例子
每首均来自 midicn-lib，行内徽标为许可档位（C1 可商用 / C2 非商业 / C3 仅学习研究）。
同一条线
事实来源
- Stability AI 的 Stable Audio Open 模型卡（训练数据、时长、采样率与许可）。
- Stability AI 社区许可文本（商用门槛与企业授权）。
- 公开用户报告中的循环接缝、低频不稳与人声缺失问题，只取现象，不引用具体评测数据。