Stability AI正式推出新一代音频模型 Stable Audio 3.0，该系列共有四款模型，其中三款开放模型权重。官方表示，这批模型可生成最长 6 分钟的音乐曲目，且全部采用合规授权数据集完成训练。

该音频模型家族包含四个版本。Stable Audio 3.0 Small SFX 和 Stable Audio 3.0 Small 均搭载 4.59 亿参数，在 H200 GPU上仅需 0.44 秒即可生成最长 2 分钟的音频内容。前者主打音效制作，适配智能手机与家用轻薄本；后者侧重短曲目音乐创作。Stable Audio 3.0 Medium 拥有 14 亿参数，可生成最长 6 分 20 秒的音频，推理耗时仅 1.31 秒。以上三款模型均已在Hugging Face平台开放权重下载。

参数规模达 27 亿的顶配版本 —— Stable Audio 3.0 Large 暂不开放权重，仅可通过Stability AI API、合作伙伴 fal.ai 调用，企业用户也可购买商业授权，部署至自有服务器使用。官方称该版本音乐创作质感最优，专为高批量音频生成的音乐平台打造。

全新架构 实现更长更灵活音频创作

Stability AI 介绍，Stable Audio 3.0 搭载全新架构，内置语义 - 声学自动编码器，支持制作时长更长、自由度更高的音频作品，可精准按秒自由调控生成音频时长。

官方称，仅有Stable Audio 3.0 Small支持端侧离线完整编曲，无短音频时长限制。作为对比，前代开源Stable Audio Open Small最长仅支持 11 秒音频生成，Stable Audio Open最长为 47 秒。此次官方还同步放出小型版与中型版模型的低秩适配（LoRA）训练教程，用户可依托自有音频素材库自主微调模型。

企业用户还可获得专属微调技术指导。模型新增音频填充编辑功能，支持单独修改音轨片段、批量编辑多段音频，还能在原有曲目基础上无缝续写延长音频。

商用政策：年收入百万美元以内可免费商用

依据Stability AI 社区许可协议，用户拥有所有生成音频的所有权，可直接用于商业用途。企业年营收超 100 万美元，则需向官方申请企业商用授权，解锁完整商业使用权限与法律赔付保障。

Stability AI表示，目前市面上同类开源音乐模型大多限制商用权限，或因使用无授权数据训练存在版权风险。而该企业背靠环球音乐集团、华纳音乐集团两大音乐巨头达成版权合作，彻底规避相关隐患。

从图像 AI 先驱转型音频领域

Stability AI 曾凭借稳定扩散模型引领开源图像生成赛道，自创始人 Emad Mostaque离职叠加持续资金压力后，企业发展重心全面转向音频领域。

2023 年 9 月初代Stable Audio正式面世，依托音频素材平台 AudioSparx 提供的 80 万首歌曲、音效及乐器采样完成训练；

2024 年 4 月推出Stable Audio 2.0，成为首批可商用、支持 44.1kHz 无损音质、最长 3 分钟完整曲目创作的 AI 音乐工具；

2024 年夏季推出Stable Audio Open开源版；

2025 年 5 月联合Arm发布适配手机端的Stable Audio Open Small；

2025 年 9 月上线Stable Audio 2.5 版本，面向专业音频制作，支持前奏、主段、尾声分段式编曲；

Stable Audio 3.0 版本完成架构统一，也将成为稳定 AI 下一代合规专业音频模型的核心基底。

版权判例之下 合规训练成核心优势

近期多国版权相关司法判决，让授权合规训练数据成为行业重中之重。

2025 年 11 月，德国慕尼黑法院裁定人工智能企业 OpenAI 构成版权侵权，原因是其大模型可通过简单指令复刻受版权保护的歌词内容。法院认定训练数据会留存于模型权重中并可被还原，也就是版权方所称的 “数据记忆现象”，目前该案件已进入上诉审理阶段。

当下 Suno、Udio 等主流 AI 音乐工具均深陷音乐行业版权诉讼纠纷，而Stability AI坚持全授权数据训练，并为企业用户提供法律赔付保障，主动避开版权争议赛道，在合规层面建立明显行业优势。