Stable Audio

Stable Audio 是 Stability AI 的音乐与声音生成服务，提供 Text-to-Audio 和 Audio-to-Audio。它既能生成音乐，也能制作环境声、音效和声景；当前页面写明最长可生成 6 分钟，并以 44.1kHz 立体声下载。

文字与音频两种起点

上传音频只应用于自己拥有或已获授权的素材，不把商业歌曲作为“参考”规避许可。

提示词要写声音事件

背景音乐可描述类型、主要乐器、速度、情绪和结构；音效则应写清声源、空间、距离和时间变化。例如“木门在狭窄走廊缓慢打开，近距离摩擦声，末尾轻响”，比只写“恐怖音效”更可执行。

生成长音频先做短样

六分钟上限不意味着每次都应直接生成满时长。先用短片段确认音色、节奏和噪声，再生成较长版本；否则一次偏离会浪费更多额度。长内容还需检查重复、能量变化、循环接缝和结尾是否自然。

三类许可按使用者区分

• Personal：用于个人和非商业项目。
• Creator：个人创作者可用于商业项目和音乐发行。
• Enterprise：中大型组织或自有基础设施部署需企业许可。

官方定价页特别说明，年收入超过 100 万美元且希望自部署模型的企业应联系授权团队。

套餐还限制上传量

除生成次数外，不同档位还区分每月可上传的音频分钟数。Audio-to-Audio 用户应按原始素材总时长估算，而不是只看生成次数；团队共享素材时还需确认账号权限和客户文件保留方式。

声音设计的交付方法

1. 保存提示、随机参数、输入音频与生成日期。
2. 对候选做降噪、淡入淡出和响度统一。
3. 分别试听耳机、手机和目标播放环境。
4. 把许可、模型版本和最终 WAV 与项目一起归档。

长音频验收：六分钟素材不能只听开头。至少检查中段是否出现突兀换拍、频谱塌陷或重复循环，结尾是否完整，并在目标设备上试听。作为游戏声景时还要另做循环点，保存无损原件、剪辑版和响度处理版，避免反复转码。

适合与不适合

Stable Audio 适合配乐草稿、游戏环境声、转场和长声景，也适合从自有录音派生变化。需要逐句歌词、稳定歌手角色或完整人声制作时，应搭配专门歌曲或语音工具；生成音频仍需混音、版权审查和场景测试。