Stable Audio

Stable Audio 是 Stability AI 的音乐生成工具，官网 stableaudio.com，现行为 Stable Audio 3.0。它的定位不是「给你写一首带演唱的完整歌曲」，而是「按需生产音频素材」：输入文本描述，生成音乐或音效，时长从 1 秒到 6 分钟自由控制——短到一声提示音，长到一段氛围底乐，都在同一个工具里完成。

它属于 AI音频 分类——与 Suno 主攻「带人声的完整歌曲」不同，Stable Audio 的落点是可控的音频素材；与 ElevenLabs 的语音合成路线相比，它不管「说话」，专注「音乐与声音」。真正拉开差距的是编辑能力：audio-to-audio 可以把整段音频按新描述重绘，inpainting 只修补选中片段，其余部分原样保留；stems 分轨导出（实验性）则让生成结果拆成多轨，方便拖进 DAW 做后期。

用法上有三条路：网页 App 直接生成、DAW 插件在音乐软件里调用、API 按生成计费接进自有产品。免费额度可生成短片段，更高用量走积分订阅；界面英文为主，写风格标签时用英文描述会更准。

• 大陆网络：服务由 Stability AI 在境外运营，国内访问需自备国际网络
• 界面英文为主，音乐风格标签以英文描述更准
• 邮箱注册，免费额度可生成短片段
• 免费额度外用积分订阅，API 按生成计费

• 文本生成音乐与音效
• 时长 1 秒到 6 分钟可控
• audio-to-audio 整体重绘
• inpainting 局部重绘修补
• stems 分轨导出（实验性）
• 网页 App、DAW 插件与 API
• 免费额度加积分订阅

1. 打开官网并注册：访问 stableaudio.com，用邮箱注册，免费额度当天可用。
2. 从短片段试起：先用免费额度生成 10 到 30 秒的片段，确认风格与音质符合预期，再逐步加长。
3. 写好英文描述：风格、情绪、乐器、节奏（tempo）都用英文写清楚，例如「calm lo-fi piano loop, soft rain」，命中率比中文描述高。
4. 用编辑功能精修：整体不满意用 audio-to-audio 重绘；只改中间几秒，用 inpainting 圈定片段重写，别的地方不动。
5. 按需导出或接入：要混音就试 stems 分轨导出；要嵌进工作流，装 DAW 插件或接 API，API 按生成计费。

推荐的起步路径是「短片段试风格、英文描述提精度、局部重绘做精修」三步走。先建立对模型风格偏好的判断，再研究描述写法，最后把编辑与导出能力用起来，避免一上来就追求长曲完整度而浪费额度。

优点

• 时长可控，短音效到长曲子覆盖
• 编辑能力细，可局部重绘改风格
• 分轨导出方便后期混音
• 接入方式多：网页、插件与 API

局限

• 大陆访问需自备国际网络
• 界面与风格标签以英文为主
• 免费额度只够生成短片段
• 人声演唱非强项，偏器乐与音效

• 场景一：视频背景音乐：给一条旅行短片配乐，描述「warm acoustic guitar, hopeful, medium tempo」，生成一段贴合情绪的背景乐，长度对齐镜头节奏。
• 场景二：游戏环境音效：生成 1 到 3 秒的交互音效与环境底噪，同一套提示词微调出系列音效，保持整局游戏的听感统一。
• 场景三：播客片头：定制 15 秒左右的短音乐当片头，用 inpainting 把结尾改成干净的收束，听完不突兀。
• 场景四：demo 草稿迭代：创作者先用它快速出几版动机，选定方向后导出 stems，拖进 DAW 换音色、加鼓组，从 demo 到成品的路短了很多。

以上场景的共同点是「音频作为素材被生产与编辑」：Stable Audio 的价值不在一次性出神曲，而在把「生成—重绘—分轨」变成可反复加工的流水线。对需要大量定制音频的内容团队，这种可控性比惊喜感更重要。

四款工具的差异在「产出物形态」：Stable Audio 出的是音乐与音效素材，且能局部重绘；Suno 出的是带人声的整歌；ElevenLabs 与 Fish Audio 管的是「说话」。要做配乐、音效和 demo，选 Stable Audio；要人声演唱成品，选 Suno；要配音，选后两者。

免费额度可生成短片段；更高用量走积分订阅，API 按生成计费

价格与档位可能随时调整，以上信息以官网为准。

• 视频配乐：按情绪生成背景音乐
• 游戏音效：生成环境与交互音效
• 播客片头：定制短音乐
• 创作草稿：快速出 demo 再精修

以下工具与 Stable Audio 在场景上有交集或重叠，可一并比较：