Stable Audio
无人声的器乐、循环与音效，时长能指定。
模型档案
- 厂商
- Stability AI
- 形态
- 网页服务
- 输入
- 文本 · 参考音频
- 输出
- 音频
- 条款
- 商用范围随服务条款与订阅档位变化，训练数据来源以官方说明为准
- 核对日
- 2026-10-30
相关
它能做什么
描述一段氛围或一件乐器的织体，它给出一段无人声的器乐，时长可以指定，从几秒的转场到一分多钟的铺底。也支持拿一段已有音频做变形，保留走向、换掉音色。适合给视频配底、做游戏环境层、做采样素材。它不处理歌词与人声，那是另一类工具的事。
输入与输出
输入是文本描述，部分档位接受参考音频做音频到音频的转换。输出是立体声音频，通常没有分轨。指定的时长决定生成的长度，但不会自动做成可无缝循环的片段。同一描述每次结果不同，音色与织体变化明显。下面的试听与实例只是该类产出的参照，不是本模型生成。
强项
- 环境铺底与氛围织体是它的舒适区，长音、纹理、空间感都站得住。
- 时长可控，做转场、做片头、做固定长度的底噪都省去裁剪。
- 音频到音频的变形能保留原素材的节奏骨架，换掉配器。
- 无人声，条款上少一层人声与肖像的牵连，做商用底乐时省事。
弱项与翻车点
- 要循环就会听到接缝：首尾电平与混响不对齐，直接设成循环模式会有一声咔哒。可复现的测法是把片段循环播放十次，接缝处最清楚。
- 描述里写曲式（"两段副歌再桥段"）几乎没有响应，它给的是连续织体，不是有段落的曲子。
- 人声请求会被做成含混的类人声纹理，歌词完全听不出，别指望它唱。
- 同描述两次生成的低频量差别很大，做一组素材时响度不统一，需要逐条归一。
- 参考音频的转换幅度不好控制，稍微加大就丢掉原素材的可辨识特征。
- 极短的片段（一两秒）常带淡入淡出，想做打击类采样得自己切。
条款、价格与替代
要确认：当前档位的商用范围、生成音频的再许可条件、训练数据来源的官方说明、是否允许把输出作为采样库分发。价格按档位分，具体数字与地区可用性以官方页面为准。替代：要本地跑、要能用自己的数据微调，换 MusicGen；要带人声的歌，换 Suno。两者在氛围织体的细腻度上未必更好，按是否需要离线与人声来选。
在库中听例子
creepyloop v2 a一段氛围循环，看铺底类素材的层次——这是该类产出的参照，不是本模型生成（C1）详情funk-groove2 · 105 BPM · beat 4/4105 BPM 放克鼓组，看循环的律动密度——这是该类产出的参照，不是本模型生成（C1）详情beach 01海滩场景的短铺底，看环境声与器乐怎么混——这是该类产出的参照，不是本模型生成（C1）详情New Britain赞美诗旋律，看两小节就能成立的短动机——这是该类产出的参照，不是本模型生成（C1）详情
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）。
事实来源
- 产品能力、时长设置与导出形态，依官方公开说明与条款页核对，未抄原文
- 失败模式依公开用户报告与创作实践归纳，未引用具体评测数据
仅用于核查事实，正文为原创撰写。