· 文本生成音乐：输入文字提示词即可生成音乐，支持指定流派、BPM、乐器与情绪。
· 音效生成（SFX）：Small SFX 模型可生成各类音效，适合游戏与影视后期制作。
· 可变长度生成：支持按秒级粒度控制生成长度，Medium/Large 最长可生成6分20秒的完整歌曲。
· 音频修补（Inpainting）：可修改歌曲中的某一段落、重做部分乐段，或对歌曲进行因果续写，无需重新生成整首作品。
· 端侧完整作曲：Small 模型可在手机、笔记本等设备上离线生成完整音乐，不再局限于短采样片段。
· LoRA 微调：支持使用自有音乐库对模型进行个性化定制与微调。
· 开源权重与 API：三款模型开源可下载，Large 模型通过 Stability AI API 提供低延迟商用接入。

网页端：访问 Stable Audio 官网（stableaudio.com），注册账号后选择合适的订阅套餐，即可在网页中通过文本提示词直接生成音乐。
API 接入：开发者可通过 Stability AI API 调用 Large 等模型，将音乐生成能力集成到自己的产品与工作流中。
开源部署：在 Hugging Face 下载 Small SFX、Small、Medium 的开源权重，可在本地运行、离线生成，也可基于 ComfyUI 等平台使用。
使用技巧：撰写提示词时尽量具体，包含音乐流派、速度（BPM）、乐器和氛围描述，可获得更符合预期的输出。

授权透明、可放心商用：Stable Audio 3.0 全部基于完全授权（licensed）的数据训练，输出归用户所有，可在社区许可下自由分发与商业化；企业还可购买企业授权以获得法律赔偿保障。在 AI 音乐版权争议频发的当下，这一点对商业项目至关重要。
开源开放：三款模型权重开放下载，支持本地部署、二次开发与 LoRA 微调，延续了 Stability AI 在开源社区的一贯风格。
端侧离线运行：Small 模型可在消费级设备上完成完整音乐创作，兼顾隐私保护与低成本部署。
生成长度领先：Medium/Large 可生成6分20秒的完整歌曲，远超早期版本与多数同类开源模型，并保持旋律与结构的连贯性。

在 AI 音乐生成领域，Stable Audio 常与 Suno、Udio 等产品对比。Suno 以"上手快、风格全、迭代快"著称，人声生成质量出色、社区作品海量，适合短视频创作者快速试错；Udio 则在人声与歌曲整体质感上表现良好。
Stable Audio 的差异化优势在于：训练数据授权清晰、面向商用场景设计，生成结果更偏向氛围音乐、配乐与器乐；同时提供开源权重与端侧运行能力，适合需要本地部署与 API 深度集成的团队。
总体而言，商用项目、客户项目与付费内容更适合选择授权清晰的 Stable Audio；个人创作、快速试错与短视频场景则更看重 Suno 的速度与风格覆盖。两者并非替代关系，而是不同场景下的互补工具。

Q1: Stable Audio生成的音乐可以商用吗？
A1: 可以。Stable Audio 3.0 基于完全授权的数据训练，在 Stability AI 社区许可下，输出归用户所有，可自由分发和商业化；年营收超过100万美元的企业需购买企业授权以获得完整的商业保障与法律赔偿。
Q2: Stable Audio 3.0包含哪些模型？
A2: 共四款：Small SFX（音效生成）、Small（端侧完整作曲，约2分钟）、Medium（更高音乐性，可生成6分20秒）、Large（最强音乐性，通过 API 提供）。其中前三款为开源权重。
Q3: 生成一首歌最长能有多长？
A3: Medium 和 Large 版本最长可生成6分20秒的完整歌曲，并保持音乐结构与旋律连贯性；Small 版本最长约2分钟。
Q4: 能在自己的设备上运行 Stable Audio 吗？
A4: 可以。Small SFX、Small 和 Medium 均开放权重，可在 Hugging Face 免费下载并在本地离线运行，甚至可在手机等移动设备上完成完整音乐创作。
Q5: 如何写出更好的提示词？
A5: 建议提示词尽量具体，包含音乐流派、速度（BPM）、乐器、情绪氛围等描述；Stable Audio 3.0 还内置了提示词助手（基于小型语言模型），可帮助优化提示词以获得更理想的生成效果。