Stability AI представила Stable Audio 3.0 — новое поколение аудиомоделей. В линейку вошли четыре версии, три из них доступны с открытыми весами. По данным компании, модели создают музыкальные треки длиной до шести минут и обучены полностью на лицензированных данных.
В семейство входят Stable Audio 3.0 Small SFX, Stable Audio 3.0 Small, Stable Audio 3.0 Medium и Stable Audio 3.0 Large. Первые две модели имеют по 459 млн параметров и генерируют аудио длиной до двух минут за 0,44 секунды на GPU H200. Small SFX рассчитана на звуковые эффекты и работу на смартфонах и потребительских ноутбуках, а Small — на короткие музыкальные фрагменты.
Модель Stable Audio 3.0 Medium получила 1,4 млрд параметров и создаёт треки длиной до 6 минут 20 секунд за 1,31 секунды. Все три версии — Small SFX, Small и Medium — опубликованы на Hugging Face с открытыми весами.
Крупнейшая модель, Stable Audio 3.0 Large с 2,7 млрд параметров, не распространяется в открытом виде. Она доступна только через API Stability AI, через партнёра fal.ai или для размещения на собственной инфраструктуре компании по корпоративной лицензии. В Stability AI заявляют, что эта версия обеспечивает лучший музыкальный результат и рассчитана на платформы с большим объёмом генерации.
По словам компании, Stable Audio 3.0 построена на новой архитектуре с семантико-акустическим автоэнкодером, который даёт более длинный и гибкий аудиовывод. Генерация поддерживает переменную длину и управление на уровне секунд.
Stable Audio 3.0 Small — единственная модель линейки, которая позволяет полностью создавать музыку прямо на устройстве, без подключения к сети и без ограничения на короткие сэмплы, утверждает компания. Для сравнения: Stable Audio Open Small генерировала до 11 секунд, а Stable Audio Open — до 47 секунд.
Вместе с весами Stable Audio 3.0 Small и Medium компания выпускает документацию по обучению LoRA. Это позволит пользователям дообучать модели на собственных аудиобиблиотеках. Корпоративным клиентам обещана поддержка при настройке моделей.
Модели также получили функции inpainting для редактирования отдельных фрагментов трека. Пользователи могут менять несколько участков сразу или продолжать уже созданную композицию за пределы исходной длины.
По лицензии Stability AI Community License пользователи сохраняют права на созданные аудиофайлы и могут использовать их в коммерческих целях. Организациям с годовой выручкой выше $1 млн нужно обращаться в Stability AI за корпоративной лицензией, которая добавляет коммерческое покрытие и правовую защиту.
Stability AI заявляет, что, насколько ей известно, конкурирующие открытые музыкальные модели либо ограничивают коммерческое использование, либо несут риски из-за обучения на нелицензированных данных. В подтверждение своей позиции компания ссылается на партнёрства с Universal Music Group и Warner Music Group.
Компания ранее сыграла заметную роль в развитии открытой генерации изображений с Stable Diffusion, однако после ухода основателя Эмада Мостака и на фоне финансовых проблем сместила фокус на аудио. Первый Stable Audio, выпущенный в сентябре 2023 года, был создан в партнёрстве с AudioSparx, который предоставил около 800 тыс. песен, звуковых эффектов и инструментальных фрагментов.
Stable Audio 2.0 вышла в апреле 2024 года и стала одним из первых коммерчески пригодных ИИ-инструментов для создания полноценных трёхминутных аудиотреков с частотой 44,1 кГц. Летом 2024 года появилась открытая версия Stable Audio Open для коротких сэмплов.
В мае 2025 года Stability AI совместно с Arm выпустила Stable Audio Open Small — компактную text-to-audio-модель для смартфонов. Версия Stable Audio 2.5, представленная в сентябре 2025 года, была нацелена на профессиональную звуковую работу и поддерживала многосоставные композиции со вступлением, развитием и завершением.
Теперь Stable Audio 3.0, по заявлению компании, означает переход к единой архитектуре, на которой будет строиться следующее поколение профессиональных моделей, обученных на лицензированных данных.
Акцент на лицензированном обучающем наборе данных особенно важен на фоне недавних судебных решений. В ноябре 2025 года суд в Мюнхене признал OpenAI ответственной за нарушение авторских прав после того, как ChatGPT воспроизвёл защищённые тексты песен из каталога GEMA по простым запросам. Суд согласился с тем, что данные обучения сохраняются в весах модели и могут быть извлечены. GEMA называет это memorization. OpenAI подала апелляцию, дело рассматривает Высший земельный суд Мюнхена.
Подход Stability AI с полностью лицензированными данными и правовой защитой для корпоративных клиентов противопоставляет компанию таким сервисам, как Suno и Udio, которые также участвуют в судебных спорах. Отдельный иск GEMA против Suno утверждает, что сервис обучался на оригинальных записях из её каталога и создаёт почти идентичные версии. В США Suno и Udio также сталкиваются с похожими исками со стороны музыкальной индустрии.
Источник: The Decoder, Stability AI.
