Stable Audio

Die Kernfunktion verwandelt einen geschriebenen Text in Audio. Wer Text zu Musik sucht, beschreibt Genre, Instrumente, Stimmung und Tempo, und Stable Audio erzeugt einen passenden Track. Die KI-Audioerzeugung deckt sowohl vollständige Kompositionen als auch einzelne Geräusche ab, sodass ein Werkzeug Musik und Sounddesign abdeckt.

Stable Audio steuert, wie lang die Ausgabe wird, was die abgehackten Enden vermeidet, die ältere Audio-Diffusionsmodelle produzierten. Die Familie Stable Audio 3.0 erzeugt vollständige Songs mit Struktur aus Intro, Strophe und Outro bis zu etwa sechs Minuten und zwanzig Sekunden, mehr als das Doppelte dessen, was Version 2.0 schaffte.

Sie können einen Ausschnitt hochladen und beschreiben, wie er sich ändern soll. Das Modell überarbeitet den Stil oder verlängert einen Abschnitt, und die partielle Bearbeitung lässt Sie ein bestimmtes Segment ändern, während der Rest intakt bleibt. So wird die Erzeugung zum Ausgangspunkt statt zum letzten Schritt.

Über Musik hinaus ist Stable Audio ein Soundeffekt-Generator für einzelne Geräusche. Eine Beschreibung liefert Effekte wie Schritte, Publikumsgeräusche oder ein vorbeifahrendes Auto, nützlich für Video, Spiele und Podcasts, die bestimmtes Audio ohne Aufnahmesitzung brauchen.

Stability AI hat die Gewichte der Modelle Small und Medium aus der 3.0-Familie veröffentlicht, sodass Entwickler sie herunterladen und anpassen können. Die kleineren Modelle sind für den Geräteeinsatz optimiert, was lokale Erzeugung ohne Cloud-Aufrufe erlaubt.

Das größte Modell ist über die Stability AI API und bezahltes Hosting verfügbar, gedacht für Teams, die verwaltete Infrastruktur und einfache Integration in eigene Apps wollen. Die Unternehmenslizenz ergänzt eine rechtliche Absicherung für die kommerzielle Nutzung, und individuelles Modell-Finetuning gibt es auf Anfrage.