摘要： Stable Audio 3.0 在 2026 年 5 月 20 日問世，Stability AI 這回一口氣端出四款模型——Small SFX、Small、Medium 和 Large。官方把整組產品形容為「為藝術實驗而生的開放權重模型家族」：Medium 與 Large 寫得出長達 6 分 20 秒的整首樂曲，音樂結構和旋律基調不會中途走樣，長度已達 2024 年 Stable Audio 2.0 的兩倍有餘。四款裡有三款以開放權重釋出，而且整個家族從頭到尾只用取得完整授權的資料訓練。
Stable Audio 3.0 在 2026 年 5 月 20 日問世，Stability AI 這回一口氣端出四款模型——Small SFX、Small、Medium 和 Large。官方把整組產品形容為「為藝術實驗而生的開放權重模型家族」：Medium 與 Large 寫得出長達 6 分 20 秒的整首樂曲，音樂結構和旋律基調不會中途走樣，長度已達 2024 年 Stable Audio 2.0 的兩倍有餘。四款裡有三款以開放權重釋出，而且整個家族從頭到尾只用取得完整授權的資料訓練。
長度不夠長、訓練資料來源講不清楚，是音樂生成市場眼下面臨的兩道難關，而這次發表剛好兩個都命中。唱片工業與 Suno、Udio 的官司還沒打完，Stability 手上握著和環球、華納簽好的合約，直接從戰場旁邊走過去。
從手機到資料中心，四種規模各司其職
- Small SFX（4.59 億參數）：把音效生成搬進手機與消費級筆電，全程在裝置上完成
- Small（4.59 億參數）：在裝置上就能譜出完整曲子，上限 2 分鐘；Stability 表示，論裝置端完整作曲，現階段只有它辦得到
- Medium（14 億參數）：結構感、旋律連貫度與樂句處理再上一層，單曲可達 6 分 20 秒
- Large（27 億參數）：音樂性是全家之冠，瞄準流量大、又計較延遲的音樂平台
拿舊款對照便知差距：2024 年 6 月推出的 Stable Audio Open 極限是 47 秒，Open Small 更只有 11 秒，如今光是小型的 Small 就把裝置端上限推到 2 分鐘。長度控制也做得很細，變長生成的粒度可到秒級。
開放權重，以及社群授權畫下的那條線
Hugging Face 已經抓得到 Small SFX、Small 和 Medium，三款都走 Community License——生成結果所有權在你，公開散布或商業販售都行。不過年營收一旦超過 100 萬美元，就必須改買企業授權，其中附帶賠償保障，白手套微調則可選配。至於 Large，權重並未釋出，管道只剩 Stability API 與企業自行部署，之後才會前進 ComfyUI 等合作平台。
護城河由授權資料挖成
整份公告火力最猛的一句，落在對競爭者的暗刺上——Stability 直指，別家開放音樂模型「要嘛限制商業使用，要嘛冒著用未授權音樂訓練的風險」。敢這樣講，靠的是 2025 年談定的兩紙協議：10 月與環球音樂（UMG）結為策略聯盟，11 月再與華納音樂（WMG）合作開發下一代工具。當對手得上法庭交代訓練資料出處，授權本身就是 Stability 的差異化。它的盤算也寫得直白：「以藝術家為中心的 AI 要贏，唯一的方式是讓授權平台上的產品體驗更好。」
技術新功能與人事新面孔
- 嶄新的語義—聲學 autoencoder 架構，研究論文隨發表一同公開
- 支援以 LoRA 微調，相關文件這次一併釋出
- Inpainting 同時支援單段與多段編輯，另有因果延續，能讓曲子在結尾之後繼續延伸
人事布局同樣透露方向：曾擔任 Universal Audio 與 Fender 數位長的 Ethan Kaplan 加入，執掌專業音樂產品線，一套音樂人導向的產品正在打造中。放眼整個產業，音樂圈資深人物人人搶手——前 Merlin 執行長 Jeremy Sirota 落腳 Suno，Kobalt 的 Derek Cournoyer 則被 ElevenLabs 網羅。
開發者與創作者能拿它做什麼
實際影響有三條。其一，想在裝置上做音樂生成，終於出現第一個堪用的開放權重選擇：手機 App 內建 2 分鐘離線作曲變得可行，離線音效、遊戲素材與互動裝置馬上受惠。其二，100 萬美元營收這道授權門檻把界線畫得乾脆——個人與小團隊照樣免費，企業想要賠償保障就付費，往後開放權重商業化多半會照這個基準走。其三，Google 的 Lyria 3 Pro（3 月）與 ElevenLabs 的音樂 App（4 月）已先一步進場，Stability 靠「開放權重＋授權資料」站上第三個位置；音樂生成這場競賽的題目也換了，從「誰生成得久」變成「誰能合法地商業化」。