Stable Audio 3.0 — новая модель для музыки, вокруг которой Stability AI пытается заново собрать рынок. Компания привлекла $76 млн от Sony Music, Universal Music, Warner Music и Electronic Arts, а общий объём привлечённых средств достиг $232 млн. В корейском AI포스트 это называют превращением компании из почти обанкротившегося лидера Stable Diffusion в нового игрока музыкального AI.
Деньги пришли сразу вместе с лицензиями. Sony, Universal и Warner официально разрешили использовать свои каталоги для обучения. Для генеративной музыки это важный сдвиг: модель предлагает красивый результат и более понятную юридическую историю.
Что именно вышло в Stable Audio 3.0
Stable Audio 3.0 — семейство из четырёх моделей, а не один универсальный генератор. У них разные требования к железу, длина трека и условия доступа.
• Small SFX — лёгкая модель для звуковых эффектов. • Small — компактная модель для музыки и аудио, запускается на CPU без GPU. • Medium — более качественная мелодика и структура, треки до 380 секунд, то есть примерно 6 минут 20 секунд. • Large — флагман для профессиональных платформ и студий, доступный через API или enterprise-лицензию.
Три модели — Small SFX, Small и Medium — опубликованы с открытыми весами на Hugging Face. Они распространяются по Stability AI Community License и допускают коммерческое использование для компаний с годовой выручкой до $1 млн. Большая модель в открытый релиз не вошла.
По данным Stability AI, Medium требует максимум около 6,52 ГБ видеопамяти. Для визуального креатора это уже не серверный аттракцион, а задача для одной обычной потребительской видеокарты. Small и Small SFX ещё проще: их можно гонять на процессоре.
В корейском материале отдельно подчёркивается мобильный сценарий. Small SFX оптимизирована под смартфоны и ноутбуки, а Small должна поддерживать офлайн-композицию полного трека прямо на устройстве. Это интересный поворот: музыка постепенно уезжает из облака туда же, куда раньше уехали локальные image-модели.
Stable Audio 3.0 для видео: рабочий материал для монтажа
Главная польза для креаторов — рабочий материал для монтажа, а не генерация очередного трека «в стиле чего-нибудь». Модель можно использовать как часть монтажа: сделать подложку нужной длины, продлить композицию или заменить отдельный участок, не пересобирая всё с нуля.
Audio inpainting — это аудиоверсия знакомого по изображениям inpainting. Вы задаёте начало и конец участка, а модель перегенерирует только эту область. Остальная часть трека остаётся на месте. В документации Stable Audio границы задаются параметрами inpaint_mask_start_seconds и inpaint_mask_end_seconds; можно передать несколько участков сразу.
Для рекламного ролика это означает более практичный пайплайн. Сначала собираете музыку примерно под монтаж. Потом меняете восемь секунд перед титром, убираете конфликтующий удар или добавляете переход под смену кадра. Не нужно просить модель заново угадать всю композицию.
Есть и работа со stems. Это отдельные инструментальные дорожки: бас, ударные, синты, пад. Их можно генерировать отдельно, а не только вытаскивать из готового микса. В таком виде AI-музыка уже ближе к DAW, чем к кнопке «сделать песню».
Компания также обещает преобразование напетой мелодии или битбокса в инструментальную сессию. Вы напеваете мотив, а модель превращает его в аранжировку. Эта функция заявлена для обновления, поэтому я бы пока не строил на ней весь рабочий процесс.
Как попробовать Stable Audio 3.0 уже сейчас
Самый понятный маршрут — разделить задачи по железу и уровню контроля.
1. Для быстрых SFX и простых подложек взять Small SFX или Small. Они подходят для локального запуска и не требуют GPU. 2. Для длинной музыки использовать Medium. Около 6,5 ГБ VRAM достаточно, чтобы рассматривать её как рабочий инструмент на домашнем компьютере. 3. Для точной подгонки под монтаж применять extension и audio inpainting. Менять лучше отдельные участки, а не просить новый трек целиком. 4. Для нодового пайплайна подключить ComfyUI. Поддержка Stable Audio 3.0 появилась в день релиза. 5. Для продукта или студии с большим объёмом генераций смотреть в сторону API. 6. Если годовая выручка компании выше $1 млн или нужна юридическая компенсация, обсуждать enterprise-лицензию.
Здесь есть важное разделение. Локальный запуск open-weight моделей — это не то же самое, что enterprise-договор. Юридическое покрытие, или indemnification, относится к Enterprise license. Оно не автоматически появляется только потому, что веса открыты.
Официальные материалы Stability AI описывают три варианта развёртывания: свои веса на своём железе, управляемый API и платное enterprise-развёртывание. Цены API в доступных материалах не указаны, поэтому придумывать красивую стоимость за генерацию не буду.
Что с авторскими правами и коммерческим использованием
Stability AI заявляет, что Stable Audio 3.0 обучали на лицензированных и Creative Commons-аудиоданных. Компания также говорит о коммерческих правах на результат и предлагает enterprise-лицензию с юридическим покрытием для крупных клиентов.
Для небольшого продакшна это выглядит спокойнее, чем инструмент с туманным происхождением обучающего датасета. Но слово «лицензированный» не отменяет необходимости прочитать конкретные условия. Проверяйте лицензию модели, ограничения по выручке и правила API отдельно.
LoRA тоже заявлена как часть экосистемы. Это способ дообучить модель на собственной библиотеке: например, на наборе фирменных шумов, музыкальных фактур или звуков конкретного устройства. Для студии это шанс собирать свой аудиостиль и постепенно уходить от случайных вариантов.
Где Stable Audio 3.0 пока не заменит другие инструменты
Модель ориентирована на инструментальную музыку и sound design. Вокал она не генерирует. Если нужен полноценный трек с певческим голосом, придётся использовать другой сервис — например Suno или Udio — и отдельно разбираться с его условиями.
Есть и ещё одна практическая оговорка. Заголовок про шесть минут относится не ко всей линейке одинаково. Максимум до 6:20 — это характеристика Medium, а Large имеет другой сценарий доступа. Смешать четыре модели в одну цифру легко, но для выбора железа это уже косяк.
Ещё одна точка проверки — документация и интерфейс могут показывать разные версии API. Такой нюанс отмечает обзор iTechGuides. Перед интеграцией в рабочий пайплайн стоит проверить актуальное имя модели и параметры endpoint, а не копировать старый пример из статьи.
В целом Stable Audio 3.0 выглядит инструментом другого типа, чем сервисы для караоке и вокальных песен. Это скорее слой для видеопроизводства: фон, переходы, атмосфера, шумы, stems и локальная правка уже готовой композиции.
Почему Stability AI пошла именно в музыку
Когда-то Stability AI сделала ставку на открытую генерацию изображений и Stable Diffusion. Потом компания столкнулась с перерасходом денег и внутренними проблемами. Теперь вокруг нового CEO Prem Akkaraju собирается совсем другая конфигурация.
В совет директоров вошли режиссёр Джеймс Кэмерон, сооснователь Napster Шон Паркер и сооснователь Coatue Томас Лаффонт. В корейском AI포스트 это описывают как переход от шаткого стартапа к площадке, где собрались люди из кино, музыки и инвестиций.
Сильная сторона сделки — сразу два ресурса: деньги и каталоги. Stability AI получила их от крупных правообладателей, которые стали партнёрами компании и её музыкального направления.
Для русского креатора вывод простой. Stable Audio 3.0 стоит тестировать как локальный генератор инструментальных материалов для монтажа, ComfyUI или собственного продукта. Начинаю с Small SFX для шумов и Medium для длинных подложек, а уже потом смотрю на API и LoRA.
Собираю AI-пайплайны для генерации в Workflow
Источники
Self-hosted vs. API generative audio: choosing a deployment model
AI music stems and audio inpainting: generating parts instead of finished songs
Stability AI's Stable Audio 3.0: 6-Minute Tracks Explained
Stable Audio Review (2026): Pricing, Pros & Cons
Источникaipostkorea.com
