Stable Audio 3.0 | 支援 6 分鐘歌曲與筆電離線創作的 AI 音樂神器

告別版權爭議與長度限制！全面解析 Stable Audio 3.0 如何讓一般筆電變成 AI 錄音室

每天都有無數的旋律在音樂人腦海中閃過。要把這些靈感轉化為真實的音樂作品，往往需要耗費大量時間與硬體資源。不過現在情況有了改變。Stability AI 正式發表了專為藝術實驗打造的開放權重模型系列 Stable Audio 3.0。

這的確是一個非常振奮人心的消息。它徹底解決了過去創作者最常遇到的幾大痛點：惱人的長度限制、僵化的編輯流程，以及總是讓人提心吊膽的版權疑慮。接下來就來一探究竟，看看這次的更新究竟帶來了哪些足以改變音樂製作流程的重磅功能。

突破一：打破秒數限制，一口氣生成 6 分 20 秒完整曲目

回想一下過去的 AI 音樂工具。它們通常只能產出幾秒鐘，頂多一兩分鐘的短促片段。很難稱得上是一首結構完整的歌。Stable Audio 3.0 帶來了全新的可變長度音訊生成技術。其中的 Medium 與 Large 版本現在最高支援生成長達 6 分 20 秒的音訊。這代表著創作者終於可以產出具備起承轉合、旋律連貫性極佳的長篇音樂作品。

老實說，這背後的技術相當精采。工程團隊引入了名為 SAME (Semantically-Aligned Music autoEncoder) 的語意聲學自編碼器架構。這個技術能將音訊極度壓縮 (達到 4096 倍的降採樣)，大幅縮短了序列長度。

搭配上對抗性後訓練 (Adversarial Post-Training) 與所謂的乒乓採樣 (Ping-Pong sampling)，讓 AI 只需幾個步驟就能生成高音質作品。這裡稍微解釋一下，乒乓採樣是一種讓模型反覆進行降噪與重新加噪的自我修正技巧，它能讓音訊細節逐漸完美。這項技術的突破，讓 Stable Audio 3.0 在配備 H200 高階顯示卡的環境下，生成六分多鐘的音軌竟然只需要不到兩秒鐘的時間。這絕對是效率上的一大躍進。

突破二：四款專屬模型，一般筆電也能完全離線創作

硬體門檻一直是許多獨立音樂人的痛。為了滿足不同設備的需求，這次一口氣推出了四款量身打造的模型。

第一款是專攻 2 分鐘內音效生成的 3.0 Small SFX 模型。第二款則是適合 2 分鐘短曲目的 3.0 Small 音樂模型。最讓人驚喜的是，這兩款 Small 版本僅有約 4.59 億個參數，而且特別針對 CPU 進行了極致最佳化。一般消費性筆記型電腦，甚至只需要不到 2.5 GB 的記憶體就能順暢運行。這真正實現了離線生成的可能。

如果手邊有配備消費級顯示卡的電腦，3.0 Medium 絕對是首選。它擁有 14 億個參數，只需要大約 6.5 GB 的顯示卡記憶體 (VRAM)，就能提供極高的音樂性 (包含結構與樂句連貫性) 以及 6 分 20 秒的生成長度。對於追求極致低延遲、高音質的企業級用戶，官方也提供了擁有 27 億參數，且支援透過 API 或自架部署的 3.0 Large 版本。

突破三：神級音訊修復與專屬曲風微調

一個有趣的事實是，創作者有時只對歌曲的某一小段不滿意。過去只要有一小段旋律出錯，往往只能整首歌重新生成。這真的非常消耗耐心。

Stable Audio 3.0 終於支援了強大的音訊修復 (Inpainting) 選項。使用者現在可以直接替換音軌的特定片段，保留滿意的地方，只重寫不喜歡的段落。它甚至支援因果延續功能，能在原曲結束的地方無縫向後擴展。這就像是有個虛擬樂團隨時待命，等著接手完成剩下的樂章。

另外一個重頭戲是模型微調。官方首次在 GitHub 專案頁面 釋出了 LoRa 訓練指南。LoRa 是一種高效能微調方法，最初在影像生成領域大放異彩，現在終於來到音訊領域。創作者可以拿自己的音樂庫來訓練模型，讓 AI 學習並掌握專屬的節奏與曲風。

突破四：完全合法授權，作品歸你還能安心變現

把話題拉回現實面，版權絕對是獨立音樂人最在乎的底線。市面上許多開源音樂模型往往限制商業用途，或是存在使用未經授權音樂訓練的風險，這讓創作者根本不敢拿來公開發行。

Stable Audio 3.0 的所有模型均使用完全授權的資料 (例如 AudioSparx 與 Freesound 上的合法素材) 進行訓練。只要創作者所屬組織的年收入不超過 100 萬美元，就可以適用 Stability AI 社群授權協議。開發者與音樂人不僅完全擁有生成的音樂產出，還能自由分發並進行商業化變現。針對年收入超過 100 萬美元的企業，官方也備有專屬的企業版授權與法律保險保障。

整合常見問題解答 (FAQ)

隨著新工具的發布，許多人心裡難免會有一些疑問。以下整理了幾個最受關注的實用問答。

• 想要商業化這些生成的音樂，到底需要額外付費嗎？ 如同前面提到的，只要年收入低於 100 萬美元，依據社群授權協議，即可完全免費將成果用於商業用途，官方不會要求任何版稅。

• 真的可以在沒有高階顯示卡的電腦上運行嗎？ 完全可以。Small 版本的模型特別針對 CPU 進行了最佳化，即便是普通的筆記型電腦 (例如搭載 M4 晶片的 MacBook Pro) 也能輕鬆勝任兩分鐘內的生成任務。

• 如果想馬上聽聽看效果，哪裡可以實際體驗？ 使用者可以直接前往 Stable Audio 官方生成平台 進行測試，親身感受這項技術的威力。

結語：準備好迎接專屬的 AI 錄音室了嗎？

從硬體門檻的大幅降低，到後期編輯彈性的巨幅提升，Stable Audio 3.0 無疑將音樂創作的掌控權真正交還給了創作者。科技前進的步伐總是超乎想像，下一個顛覆排行榜的音樂作品，或許就誕生在創作者的筆記型電腦中。這的確是一個值得馬上動手嘗試的好機會。