Diese Seite wurde maschinell aus dem Englischen übersetzt. Englisches Original lesen.

Stable Audio 3 Medium (Musikmodell)

OffiziellAudioGPUv1.1.3aigd.audio-stable-audio-3-medium
Oder im Terminal
gamedev pkg add aigd.audio-stable-audio-3-medium
Läuft auf deinem Computer. Lädt ein Modell einmal herunter und generiert auf der GPU dieses Computers.

Übersicht

Stable Audio 3 Medium: Instrumentalmusik aus einem Text-Prompt, bis zu 6 Min. 20 s, 44,1 kHz Stereo, ohne Gesang; das größere Stable Audio 3 Musikmodell für ganze Soundtrack-Stücke. Läuft lokal mit sa3.cpp auf einer GPU (12 GB unter CUDA, 13 GB unter Vulkan für die längsten Stücke). Stability AI Community License: kommerzielle Nutzung nur unter 1 Mio. US$ Jahresumsatz, nach Registrierung.

Stable Audio 3 Medium ist das größere Musikmodell von Stability AI. Aus einem Text-Prompt erzeugt es Instrumentalmusik von 1 s bis zu 6 Min. 20 s pro Stück, als 44,1 kHz Stereo-WAV. Gesang erzeugt es nicht. In der AI Game Dev App läuft es lokal über Local sound effects and music (aigd.sa3cpp, die sa3.cpp-Laufzeit), sodass jeder Track nichts kostet. Es braucht eine GPU. Es passt zu Game-Developern, die vollwertige instrumentale Soundtrack-Stücke wollen. Seine Lizenz (Stability AI Community License) erlaubt kommerzielle Nutzung nur unterhalb einer Umsatzgrenze und nach Registrierung (siehe den Lizenzabschnitt unten).

Was du erzeugen kannst

  • Vollwertige instrumentale Level-Musik und Soundtrack-Stücke, bis zu 6 Min. 20 s.
  • Lange Ambient- und Exploration-Tracks für offene Areale.
  • Musik für Menü, Credits und Zwischensequenzen.

Beispielanfragen

  • "Erzeuge ein 4-minütiges orchestrales Exploration-Thema mit Streichern und sanfter Percussion."
  • "Generiere einen 3-minütigen treibenden Elektro-Track mit 124 BPM für das Renn-Level."
  • "Erzeuge 6 Minuten langsame Ambient-Musik für die Credits."

Highlights

EigenschaftWert
FunktionText zu Musik: ein Prompt, eine Dauer und ein optionaler Seed ergeben eine WAV-Datei
Ausgabe44,1 kHz Stereo-WAV, in deinem Projekt gespeichert
Länge1 s bis 6 Min. 20 s (Standard: 60 s)
Promptbis zu 1.000 Zeichen; kein Gesang
SchritteStandard 8, bis zu 100
Guidance (CFG)Standard 1

Dieses Paket enthält nur Daten. Es benennt die Modelldateien. Die App lädt sie herunter, nachdem du die Lizenz unten bestätigt und akzeptiert hast, prüft jede Datei per sha256 und führt sie mit sa3.cpp auf deinem Rechner aus.

Welches Stable Audio 3 Paket du wählen solltest

Alle drei laufen über Local sound effects and music (aigd.sa3cpp), nehmen einen Text-Prompt entgegen und schreiben 44,1 kHz Stereo-WAV unter derselben Stability AI Community License. Text Encoder und Tokenizer werden gemeinsam genutzt, daher lädt ein zweites Stable Audio 3 Modell nur seine eigenen Dateien herunter.

PaketErzeugtLängeDownloadBenötigt
Stable Audio 3 Small SFXSoundeffekte, Foley, UI-Sounds, Ambiences1–60 s1.71 GBeine GPU mit 4 GiB; läuft auch auf einer CPU, langsam
Stable Audio 3 Small MusicInstrumentalmusik und Loops1 s – 2 min1.71 GBeine GPU mit 4 GiB; eine CPU ist langsam
Stable Audio 3 MediumInstrumentalmusik, das größere Modell1 s – 6 min 20 s5.19 GBCUDA mit 12 GiB oder Vulkan mit 13 GiB; Mac mit 16 GB
  • Soundeffekte für Gameplay und UI: Small SFX.
  • Musik auf einer bescheidenen GPU oder Stücke bis 2 Minuten: Small Music.
  • Lange Tracks bis 6 Min. 20 s auf einer GPU mit 12 GiB oder mehr (CUDA; 13 GiB unter Vulkan): Medium.

Download

5,19 GB, fünf Dateien, jede an einen Hugging Face Commit gepinnt. Es sind GGUF-Konvertierungen von stabilityai/stable-audio-3-medium für sa3.cpp, veröffentlicht vom sa3.cpp-Autor. Text Encoder und Tokenizer werden von jedem Stable Audio 3 Modell geteilt, daher werden sie nur einmal heruntergeladen.

DateiQuelleGröße
stable-audio-3-medium-dit-1.5B-v1.0-F16.gguf (Diffusion Transformer)thepatch/stable-audio-3-medium-GGUF @ 380a7b22.91 GB
stable-audio-3-medium-same-l-v1.0-F16.gguf (Autoencoder)thepatch/stable-audio-3-medium-GGUF @ 380a7b21.71 GB
stable-audio-3-medium-conditioner-v1.0-F32.gguf (Conditioner)thepatch/stable-audio-3-medium-GGUF @ 380a7b20.8 MB
t5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf (Text Encoder)thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf0.56 GB
t5gemma-b-b-ul2-v1.0-vocab.gguf (Tokenizer)thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf13.8 MB

Der Diffusion Transformer und der Autoencoder sind F16. Der sa3.cpp-Autor hat die Konvertierungen gegen Stability AIs PyTorch-Referenz validiert (Cosinus-Ähnlichkeit ~1,0).

Welche Rechner

RechnerGeschwindigkeit
CUDA, 12 GiB VRAM oder mehrAuf einer Windows RTX 4090 dauerte ein 380-s-Clip 15,3 s und brauchte etwa 11,5 GiB über der Grundlast.
Vulkan, 13 GiB VRAM oder mehrAuf derselben Karte dauerte ein 380-s-Clip 28,2 s und brauchte etwa 12,7 GiB über der Grundlast.
Mac mit Apple Silicon, 16 GB Arbeitsspeicher oder mehretwa 6 s für 12 s Audio auf einem Apple M4 (Messung aus dem Upstream)

Die CUDA- und Vulkan-Anforderungen decken die maximale Dauer ab. Ein 30-s-Clip brauchte im selben Test auf beiden Backends etwa 2,9 GiB über der Grundlast. Der erste Sound nach der Installation dauert länger.

Lizenz

Stability AI Community License (keine Open-Source-Lizenz). Lies den vollständigen Text, bevor du herunterlädst: LICENSE.md (die Version vom 5. Juli 2024, identisch mit der des Upstream-Modells).

  • Kostenlose Nutzung: Forschung, persönliche Nutzung, Hobby und andere nicht-kommerzielle Nutzung sowie Evaluierung.
  • Kommerzielle Nutzung ist eingeschränkt. Sie ist nur kostenlos, solange du zusammen mit deinen verbundenen Unternehmen weniger als 1.000.000 US$ Umsatz pro Jahr erzielst, aus jeglicher Quelle.
  • Die Umsatzgrenze beendet jede Lizenz. Sobald du und deine verbundenen Unternehmen mehr als 1.000.000 US$ pro Jahr erzielen, endet jede Lizenz unter der Vereinbarung, nicht nur die kommerzielle Nutzung. Du brauchst dann eine Enterprise-Lizenz von Stability AI (stability.ai/enterprise).
  • Registrierung: Vor jeder kommerziellen Nutzung musst du dich bei Stability AI unter stability.ai/community-license registrieren.
  • Namensnennung: Wenn du das Modell oder ein Produkt oder eine Dienstleistung, das bzw. die es verwendet, verbreitest, musst du
    1. den Empfängern eine Kopie der Lizenz geben;
    2. eine Textdatei "Notice" mit diesem Text beibehalten: "This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved";
    3. "Powered by Stability AI" gut sichtbar auf einer zugehörigen Website, Benutzeroberfläche, in einem Blogbeitrag, auf einer About-Seite oder in der Produktdokumentation anzeigen.
  • Zulässige Nutzung: Die Nutzung muss der Acceptable Use Policy von Stability AI und den geltenden Gesetzen einschließlich Handelskontrollen folgen. Du darfst das Modell oder seine Ausgaben nicht verwenden, um ein anderes generatives Fundamentmodell zu erstellen oder zu verbessern.
  • Weitere Bedingungen: Keine Markenrechte über die Namensnennung hinaus. Stability AI kann die Lizenz beenden, wenn du gegen sie verstößt. Sie endet auch, wenn du Stability AI verklagst mit der Behauptung, das Modell oder seine Ausgaben verletzten deine Rechte.
  • Ausgaben: Im Verhältnis zwischen dir und Stability AI gehören dir die von dir erzeugten Audiodateien, soweit das Gesetz es zulässt.

Text Encoder: Gemma Terms of Use. Der T5Gemma-Encoder und der Tokenizer sind von Google (google/t5gemma-b-b-ul2) und unterliegen den Gemma Terms of Use. Du darfst sie nicht für die in der Gemma Prohibited Use Policy genannten Verwendungen oder gegen das Gesetz verwenden. Wenn du sie weiterverbreitest, musst du:

  1. die Nutzungsbeschränkungen als durchsetzbare Bedingung in deine eigene Lizenz oder deine Nutzungsbedingungen aufnehmen;
  2. den Empfängern eine Kopie der Gemma Terms geben;
  3. jede von dir geänderte Datei mit einem gut sichtbaren Hinweis kennzeichnen;
  4. eine Notice-Datei mit "Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms" beilegen.

Dateien und ihre Lizenzen:

  • stable-audio-3-medium-dit-1.5B-v1.0-F16.gguf, stable-audio-3-medium-same-l-v1.0-F16.gguf, stable-audio-3-medium-conditioner-v1.0-F32.gguf: Stability AI Community License (LICENSE.md), konvertiert aus stabilityai/stable-audio-3-medium.
  • t5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf, t5gemma-b-b-ul2-v1.0-vocab.gguf: Gemma Terms of Use (LICENSE.md, NOTICE).

Zugang über Stability AIs Repository. Vor dem Download bittet dich die App, die Bedingungen von Stability AI auf dessen offiziellem Repository stabilityai/stable-audio-3-medium mit deinem eigenen Hugging Face Konto zu akzeptieren: Öffne es, fülle das Zugangsformular aus (Name, E-Mail, Land, beabsichtigte Nutzung) und akzeptiere. Füge dann ein Hugging Face Access Token unter Settings › Model storage › Hugging Face ein (oder in der Download-Karte). Mit diesem Token prüft die App, ob dein Konto Zugriff hat (eine Anfrage an eine gepinnte Datei von stabilityai/stable-audio-3-medium, unter d4d3579); sie lädt nicht die PyTorch-Gewichte von Stability AI herunter. Die Modelldateien selbst stammen aus der GGUF-Konvertierung des sa3.cpp-Autors (die oben genannten thepatch/*-Repositories), geprüft per sha256, wobei dorthin kein Token gesendet wird. Das Token bleibt auf deinem Rechner und geht nur an huggingface.co.

Du bist dafür verantwortlich, diese Lizenzen einzuhalten. Alle Dateien werden von Hugging Face heruntergeladen. AI Game Dev hostet sie nicht.

Powered by Stability AI. This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved.

Versionen

Releases von Stable Audio 3 Medium (Musikmodell)
VersionVeröffentlichtBenötigt die App
1.1.3Neueste0.32.0-beta.6 oder neuer
1.1.20.32.0-beta.6 oder neuer

Installieren

In der Desktop-App

Öffne das Fenster Packages (das Paket-Symbol in der Statusleiste), wähle Browse, suche aigd.audio-stable-audio-3-medium und klicke auf Add to Project.

Noch keine App? Lade AI Game Dev kostenlos herunter für Windows, macOS oder Linux.

Im Terminal

Mit der gamedev CLI in deinem Projektordner:

gamedev pkg add aigd.audio-stable-audio-3-medium

Voraussetzungen

  • AI Game Dev 0.32.0-beta.6 oder neuer

Mehr zu Packages

Installieren
gamedev pkg add aigd.audio-stable-audio-3-medium