Stable Audio

A função principal transforma um texto escrito em áudio. Para quem procura texto para música, você descreve gênero, instrumentos, clima e andamento, e o Stable Audio produz uma faixa que combina. Ele cobre a geração de áudio com IA tanto para composições musicais completas quanto para sons isolados, então uma única ferramenta dá conta da trilha e do desenho de som.

O Stable Audio controla quanto tempo dura o resultado, o que evita os finais cortados que os modelos de difusão de áudio mais antigos produziam. A família Stable Audio 3.0 gera canções completas com estrutura de introdução, verso e encerramento de até cerca de seis minutos e vinte segundos, mais que o dobro do que a versão 2.0 conseguia.

Você pode enviar um clipe e descrever como mudá-lo. O modelo reformula o estilo ou estende uma seção, e o retoque por trecho deixa você alterar um pedaço específico mantendo o resto intacto. Assim a geração vira ponto de partida, não etapa final.

Além da música, o Stable Audio cria efeitos sonoros isolados. Digitar uma descrição rende efeitos como passos, barulho de multidão ou um carro passando, útil para vídeo, jogos e podcasts que precisam de áudio específico sem uma sessão de gravação.

A Stability AI liberou os pesos dos modelos Small e Medium da família 3.0, então desenvolvedores podem baixá-los e modificá-los. Os modelos menores são otimizados para rodar em dispositivos, o que permite gerar localmente sem chamadas à nuvem.

O maior modelo está disponível pela API da Stability AI e por hospedagem paga, voltado a equipes que querem infraestrutura gerenciada e integração fácil nos próprios aplicativos. A licença empresarial adiciona indenização jurídica para uso comercial, e o ajuste de modelos sob medida é oferecido sob consulta.