Stable Audio 3 是新一代开源 AI 音频与音乐生成平台，专注于高速、高质量、可编辑的音频生成体验。该系列基于潜空间扩散模型（Latent Diffusion）构建，提供 small、medium、large 多种模型规模，支持变量时长音频生成、音频编辑与局部修复，并针对推理效率进行了深度优化。
相比传统音频扩散模型，Stable Audio 3 引入了全新的语义-声学自动编码器（Semantic-Acoustic Autoencoder），能够将音频压缩到高效潜空间中，在保持音质的同时提升语义结构表达能力，从而实现更快、更稳定的生成效果。
核心功能：
🎵 高质量音乐与音效生成：支持多种风格音乐与环境音生成
⏱️ 可变时长生成：无需固定生成完整长音频，更高效灵活
✂️ 音频局部重绘（Inpainting）：可精准编辑指定音频片段
🔄 音频续写与扩展：延续已有录音生成后续内容
💻 消费级硬件支持：Small / Medium 模型可在普通显卡与 MacBook 上运行
技术亮点：
🧠 潜空间扩散架构（Latent Diffusion）：兼顾速度与音质
🎚️ 语义-声学自动编码器：提升音频语义理解与细节保真
🚀 对抗式后训练优化：减少推理步数并提升 Prompt 遵循能力
📦 完整训练与推理管线开源：便于开发者微调与二次开发
应用场景：
AI 音乐创作
视频 / 游戏配乐
环境音与音效制作
音频修复与续写
AI 内容生成平台与创意工具

开源地址：https://github.com/Stability-AI/stable-audio-3

☞☞☞☞☞☞  右侧下载整合包  ☞☞☞☞☞☞

配置要求：

电脑需满足以下配置：

  • 操作系统：Windows 10/11 64位
  • 内存：建议16G以上
  • 显卡：至少8G及以上显存的英伟达（NVIDIA）显卡
  • CUDA：显卡支持的CUDA版本大于等于12.8版本（如不知道显卡支持的CUDA版本，可点击此链接查看：https://aiyy.info/supported-cuda-versions/）
  • 整个包解压完约21.8G，要留足硬盘空间

 

如何查看显卡品牌型号和显存：

  • 打开任务管理器
  • 点击“性能”
  • 点击“GPU”
  • 右上角可以看到显卡型号，下方可以看到显存大小

 

使用教程：

① 打开下载页面（https://aiyy.info/stable-audio-3/）点击页面右侧下载按钮（手机端在页面底部），下载整合包之后解压，建议使用winrar解压（解压软件在文件包中，或者可以自己下载安装，下载地址：https://www.winrar.com.cn/）

不要用Windows自带解压！！不要用360解压！！

注意：文件夹路径和文件名称（包括音频、图片、视频等文件名称）不要出现中文字符，否则部分软件会因识别不出而报错

 

② 双击“一键启动.bat”，稍等片刻会在浏览器中自动打开操作界面

③ 输入提示词（建议使用英文输入效果较佳），调整音频时长，点击“开始生成”即可

④ 生成结果位于右侧，可以播放试听，点击下载按钮可以保存至指定文件夹

⑤ 在文件包中的“outputs”文件夹中也能找到生成结果

 

声明： ① 本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。更多说明请参考赞助计划。 ② 本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。