Stable Audio 3 是由 Stability AI 于 2026 年 5 月发布的开放权重 AI 音频生成模型家族。该工具支持根据文本提示词生成音乐、音效和氛围音，并提供音频编辑与局部重生成功能。

核心功能

• 文本生成音频：通过描述风格、乐器、情绪和速度等文字提示，将其转化为完整的音频片段。

• 音频转音频：上传现有音频并描述期望的改写方向（如切换风格、替换乐器），获得一个全新版本。

• 局部重生成：选中音频中的特定区域，只重新生成该部分，用于修正错音、去除不想要的声音或延长循环。

• 音效生成：快速生成短音效，如脚步声、汽车声、UI 点击音或环境雨声。

• 时长灵活：音频时长可从几秒到最长 6 分 20 秒（Medium 模型），适合从短音效到长氛围背景的多种需求。

• 多模型选择：在 Medium（完整歌曲，最长 6 分钟）、Small Music（循环和短曲）和 Small SFX（音效，生成更快）之间切换。

适用场景

该工具适用于多种创作场景：

• 内容创作者：为 YouTube、TikTok 等视频生成匹配的背景音乐。

• 游戏开发者：使用 Small SFX 模型快速制作 UI 音效、环境音和战斗音效。

• 播客主：生成片头片尾音乐，或打磨背景音。

• 音乐人与制作人：快速将想法变成音频草图，以便导入专业软件继续创作。

• 主播与应用开发者：为直播、专注列表或冥想 App 生成长氛围背景音。

使用方式与注意事项

使用门槛极低，无需注册、无需安装、无需 GPU，直接在浏览器中即可免费使用。音频以 44.1 kHz 立体声 WAV 格式 输出，支持直接下载。

关于商业使用，Stability AI 表示，其输出可在 Stability AI Community License 下分发和商业化，超过收入门槛的组织需使用 Enterprise License。建议在正式商用前确认最新的官方条款。