Stability AI推出六分钟音乐生成音频模型

近日，AI音乐生成领域迎来重要进展。知名AI公司Stability AI，即图像模型Stable Diffusion的创造者，正式发布了其新一代音频模型系列——Stability Audio 3.0。该系列中的顶级模型已能够生成超过六分钟、具备专业品质的音乐作品。

Stability Audio 3.0系列包含四款模型

本次发布的Stability Audio 3.0系列共包含四款模型。具体包括：一个4.59亿参数的小型音效模型、一个4.59亿参数的小型模型、一个14亿参数的中型模型，以及一个27亿参数的大型模型。其中，两款小型模型适合在本地设备运行，可生成长度最多两分钟的音效或音乐片段。

实现关键突破的是中型与大型模型。它们均能创作长达6分20秒的完整音乐，并可保持连贯的音乐结构与稳定的旋律基调。这一时长是其前代产品Stable Audio 2.0（发布于2024年）生成能力的两倍以上，标志着显著的技术进步。

开放权重与商业授权双轨并行

在发布策略上，Stability AI采用了双轨制。小型音效模型、小型模型及中型模型将以开放权重的形式向公众提供，允许自由使用、研究与修改。相比其去年推出的、最长仅能生成47秒音乐的开源版本Stable Audio Open，此次开放模型的能力实现了巨大飞跃。

性能最强大的27亿参数大型模型则专注于商业化路径，仅通过API接口及付费的自托管服务提供。此外，公司规定年收入超过100万美元的企业必须获取专门的企业许可证方可使用。

音乐生成领域的竞争与版权挑战

当前，谷歌、ElevenLabs等众多科技公司正竞相发布音乐生成模型与工具，市场竞争激烈。然而，一个核心挑战日益凸显——版权问题。Suno与Udio等公司面临的法律诉讼便清晰揭示了这一点。对于此类服务的长期发展而言，训练数据的合法授权以及与主流音乐厂牌的合作，很可能成为关键决定因素。

Stability AI显然意识到了这一问题的重要性。该公司已于去年先后与华纳音乐集团及环球音乐集团签署合作协议，旨在共同开发AI模型与音乐创作工具。公司特别强调，其最新的音频模型系列是基于获得完全授权的数据构建的，这为其产品的合规性提供了重要保障。

面向专业音乐人的新产品布局

除了面向大众与开发者的模型，Stability AI还有更深层的业务布局。这家AI初创公司正在为专业音乐人秘密开发一套全新的产品线，尽管具体功能细节尚未公开。为推进此项业务，公司邀请了重量级人物——前环球音频与Fender的首席数字官Ethan Kaplan加盟，并将由其领导Stability的专业音乐业务部门。

事实上，聘请音乐产业资深高管以增强行业可信度，已成为AI公司的常见策略。今年早些时候，竞争对手Suno便聘请了前Merlin首席执行官Jeremy Sirota担任其首席商务官。ElevenLabs也从独立音乐出版商Kobalt挖来了Derek Cournoyer，负责其音乐业务战略。这场人才争夺战，恰恰表明专业音乐市场是AI音乐技术未来的核心竞技场。

常见问题解答

问题一：Stability Audio 3.0能生成多长的音乐？

其中型与大型模型能够创作长达6分20秒的完整音乐作品，并可保持音乐结构与旋律基调。这比2024年发布的Stable Audio 2.0的生成能力提升了一倍以上，相比之前的开放版本亦有巨大进步。

问题二：Stability Audio 3.0有哪些模型可以免费使用？

Stability AI以开放权重的形式免费提供了小型音效模型、小型模型及中型模型，供公众使用与修改。大型模型仅通过API及付费自托管服务提供，年收入超100万美元的企业需获取企业许可证。

问题三：Stability AI如何应对音乐生成的版权问题？

Stability AI已与华纳音乐集团和环球音乐集团达成合作协议，共同开发模型与音乐创作工具。该公司表示，其最新音频模型系列基于获得完全授权的数据构建，旨在规避类似Suno和Udio所面临的版权诉讼风险。