Stable Audio 3.0. На что способна новая музыкальная ИИ-модель Stability AI

Большинство крупных технологических компаний пока что соревнуются в генерации видео и текста. А вот что касается Stability AI, эта организация незаметно делает свое дело на аудиофронте. Stability AI – британская компания, широко известная по генератору изображений Stable Diffusion, и именно она стоит за линейкой аудиомоделей Stable Audio. В мае 2026 года была выпущена в свет модель Stable Audio 3.0. И это не одна модель, а целое семейство из четырех версий. С их помощью можно создавать звуковые эффекты прямо на мобильном телефоне (причем даже без интернета), полноценные шестиминутные аудио с выраженной структурой и мелодической логикой.

Релиз состоялся всего через день после конференции Google I/O 2026, так что в информационном шуме его немного затерло. И зря. Новинка заслуживает отдельного разговора.

Четыре модели для четырех задач

Как отмечают эксперты многофункционального ИИ-портала Креатор Проджект, отличие от предыдущих версий в данном случае принципиальное. Если Stable Audio 2.0 генерировала аудио длительностью до 3 минут, а 2.5 упиралась в полторы, то теперь версии Medium и Large выдают до 6 минут 20 секунд с сохранением музыкальной структуры на всем протяжении: вступление, развитие, финал. То есть, тут уже пользователь получает не звуковую зарисовку, а полноценный трек.

Семейство Stable Audio 3.0 устроено по принципу «каждой задаче свой инструмент». Рассмотрим каждую из версий:

• Small SFX была разработана для генерации звуковых эффектов прямо на устройстве, без необходимости подключения к облаку. Она работает на смартфонах и обычных ноутбуках.
• Версия Small делает то же самое, но уже с полноценными музыкальными композициями, и тоже без GPU и интернета.
• Medium с полутора миллиардами параметров берет на себя задачи посложнее: здесь выше музыкальность, крепче мелодическая связность, а также доступна максимальная длина трека.
• Large с 2,7 млрд. параметров является флагманом семейства и заточена под платформы и приложения, которым нужна генерация большого объема с минимальными задержками.

Скорость работы всех четырех версий при этом достаточно высокая. Например, Medium генерирует 20 секунд аудио приблизительно за полсекунды на профессиональном GPU. Даже на MacBook Pro M4 результат появляется за считанные секунды. Никакого «подождите, пока модель думает»: отклик почти мгновенный.

Веса Small SFX, Small и Medium выложены в открытый доступ на Hugging Face, их можно скачать и запустить самостоятельно. Large доступна через API Stability AI и как вариант для корпоративного развертывания на собственном железе.

Лицензированные данные и тонкая настройка

Авторские права остаются одной из самых болезненных тем в сфере генеративного аудио. Suno и Udio столкнулись с судебными исками именно из-за непрозрачности обучающих данных. Stability AI решила сыграть на контрасте: Stable Audio 3.0 обучена исключительно на лицензированных записях из библиотеки AudioSparx и материалов Creative Commons с Freesound, а музыкальные записи из открытой части дополнительно прошли фильтрацию на предмет несанкционированного защищенного контента. Здесь речь идет не просто о декларации добросовестности; все это документация, которую можно проверить.

Пользователь при этом владеет результатами своей генерации. Лицензия позволяет распространять и монетизировать созданные треки. Для организаций с выручкой свыше миллиона долларов предусмотрена корпоративная лицензия с отдельными условиями, полноценной правовой защитой, а также возможностью тонкой настройки модели под свои нужды при поддержке команды компании.

Еще одна новинка, которой не было в предыдущих версиях – аудиоинпейнтинг, или же возможность изменять отдельные фрагменты уже готового трека, не переделывая его целиком. То есть, можно подправить переход, перепрописать конкретную секцию или просто продолжить композицию за ее исходной точкой. Модель поддерживает редактирование одного участка или нескольких независимых участков. Также поддерживается каузальное продолжение, когда нужно дописать трек дальше, не нарушив то, что было до.

Стоит отметить, что ElevenLabs со своей платформой Eleven Music генерирует треки длиной до пяти минут, а Google Lyria 3 Pro, вышедшая в марте 2026 года, ограничивается тремя минутами. На этом фоне шесть минут двадцать секунд от Stable Audio 3.0 выглядят весомым аргументом.

Вместо заключения

Stable Audio 3.0 показывает, что генерация музыки с помощью ИИ постепенно переходит из разряда экспериментов в практический инструмент. Возможность создавать длинные композиции, редактировать отдельные фрагменты и запускать модели локально заметно расширяет сценарии использования технологии. Если Stability AI сохранит нынешний темп развития, конкуренция на рынке генеративного аудио станет еще интереснее.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.