Stable Audio 3.0

Вместо бесконечной подгонки чужих стоковых дорожек под монтажную сетку здесь предлагают задавать хронометраж с точностью до секунды. Stable Audio 3.0 от Stability AI создавалось для саунд-дизайнеров, моушн-директоров и музыкантов, которым важен чистый юридический статус аудио. Архитектура построена на семантико-акустическом автоэнкодере и обучалась исключительно на лицензированном материале. Авторы получают полные права на созданные треки и могут сразу пускать их в коммерческий оборот.

Что умеет

• Генерировать длинные формы. Модель 3.0 Small пишет композиции до двух минут, а 3.0 Medium и 3.0 Large выдают непрерывные треки длительностью больше шести минут с посекундной настройкой длины.
• Работать локально и офлайн. Версия 3.0 Small способна генерировать законченные многокомпонентные композиции прямо на пользовательском устройстве без отправки данных в облако.
• Редактировать фрагменты трека (audio inpainting). Система умеет заменять отдельные звуковые отрезки, проводить пакетную правку нескольких сегментов или дописывать композицию за пределы исходного финала с помощью каузального продолжения.
• Дообучаться на собственном материале. Для версий Small и Medium открыта документация по тренировке LoRA-адаптеров, что позволяет адаптировать генерацию под конкретную звуковую палитру.

Цены и доступ

• Веса 3.0 Small SFX, 3.0 Small и 3.0 Medium выложены в открытый доступ на Hugging Face. По лицензии Community ими можно бесплатно пользоваться в коммерческих целях, если годовая выручка компании не превышает 1 миллион долларов.
• Флагманская модель 3.0 Large запускается через облачный API Stability AI.
• Для организаций с оборотом свыше 1 миллиона долларов действует лицензия Enterprise, куда включена юридическая защита и помощь с тонкой настройкой.
• Предусмотрена интеграция в интерфейс ComfyUI.

Нас подкупило появление честного инпейнтинга: возможность аккуратно заменить сбившийся ритм или переписать хвост дорожки прямо по ходу продакшена экономит часы ручного монтажа.