Stable Audio 3.0 — Stability AI

Stable Audio 3.0 Medium — новое поколение генерации музыки и звуков от Stability AI. Треки до 6 минут, стерео, высокое качество. Пиши промпт на английском.

Stable Audio 3.0 Medium относится к новому поколению моделей Stability AI для генерации музыки и звуков. Она умеет создавать треки длиной до 6 минут в стерео и высоком качестве.

Модель работает в двух режимах: из текста в аудио и из аудио в аудио. В первом случае вы описываете, что хотите услышать, и получаете готовый трек или звук. Во втором берёте за основу существующую запись и перерабатываете её.

Промпт лучше писать на английском, так модель работает как задумано. Стоимость начинается от 200 SC за одну генерацию, точная цена зависит от параметров запроса.

Это аудиогенератор, а не текстовая модель. Она не анализирует файлы, не ищет в интернете и не работает с изображениями.

Для чего подходит

Фоновая музыка для видео и роликов
Саундтрек для игры или приложения
Звуковые эффекты по текстовому описанию
Продление уже готовой композиции
Переработка существующего трека в другом стиле
Музыка для презентаций и подкастов

Сильные стороны

Треки до 6 минут в одной генерации
Стерео и высокое качество звука
Два режима: из текста и из существующего аудио
Подходит и для музыки, и для звуковых эффектов

Ограничения

Промпт нужно писать на английском
Стоимость начинается от 200 SC, это дороже младших версий линейки
Это не речевая модель, озвучивать текст она не предназначена

Когда выбирать

Нужен длинный инструментальный трек, до 6 минут, в стерео.
Нужны и музыка, и звуковые эффекты в одном инструменте.
Есть готовая запись, которую надо продлить или переработать.
Вы готовы описывать задачу английским промптом.

Когда лучше взять другую модель

Если нужна озвучка текста голосом, выберите TTS-модель, например ElevenLabs TTS. Эта модель предназначена для музыки и звуков.
Если важна минимальная цена и подойдут короткие задачи, посмотрите младшие версии Stable Audio 3.0 с более низкой стартовой ценой.
Если нужна работа с текстом, изображениями или файлами, возьмите текстовую или мультимодальную модель.