Stable Audio 3 Medium (modelo de música)
gamedev pkg add aigd.audio-stable-audio-3-mediumResumen
Stable Audio 3 Medium: música instrumental desde un prompt de texto, hasta 6 min 20 s, estéreo a 44,1 kHz, sin voces; el modelo de música más grande de Stable Audio 3, para bandas sonoras largas. Se ejecuta en local con sa3.cpp en una GPU (12 GB en CUDA, 13 GB en Vulkan para las piezas más largas). Stability AI Community License: uso comercial solo por debajo de US$1M anuales, previo registro.
Stable Audio 3 Medium es el modelo de música más grande de Stability AI. A partir de un prompt de texto genera música instrumental de 1 s hasta 6 min 20 s por pieza, como WAV estéreo a 44,1 kHz. No genera voces. En la app AI Game Dev se ejecuta en local mediante Efectos de sonido y música locales (aigd.sa3cpp, el runtime sa3.cpp), así que cada pista no cuesta nada. Necesita una GPU. Encaja con desarrolladores de juegos que quieren piezas de banda sonora instrumental de larga duración. Su licencia (Stability AI Community License) permite el uso comercial solo por debajo de un límite de ingresos y previo registro (consulta la sección de licencia más abajo).
Qué puedes crear
- Piezas de música de niveles y bandas sonoras instrumentales de larga duración, de hasta 6 min 20 s.
- Pistas largas ambientales y de exploración para zonas abiertas.
- Música de menús, créditos y escenas cinemáticas.
Ejemplos de peticiones
- "Crea un tema orquestal de exploración de 4 minutos con cuerdas y percusión suave."
- "Genera una pista electrónica enérgica de 3 minutos a 124 BPM para el nivel de carreras."
- "Crea 6 minutos de música ambiental lenta para los créditos."
Puntos destacados
| Especificación | Valor |
|---|---|
| Operación | texto a música: un prompt, una duración y una semilla opcional dan un WAV |
| Salida | WAV estéreo a 44,1 kHz, guardado en tu proyecto |
| Duración | de 1 s a 6 min 20 s (por defecto 60 s) |
| Prompt | hasta 1000 caracteres; sin voces |
| Pasos | por defecto 8, hasta 100 |
| Guía (CFG) | por defecto 1 |
Este paquete es solo datos. Indica los nombres de los archivos del modelo. La app los descarga después de que confirmes y aceptes la licencia de abajo, comprueba cada archivo por sha256 y los ejecuta con sa3.cpp en tu ordenador.
Qué paquete de Stable Audio 3 elegir
Los tres funcionan con Efectos de sonido y música locales (aigd.sa3cpp), aceptan un prompt de texto y escriben WAV estéreo a 44,1 kHz bajo la misma Stability AI Community License. El codificador de texto y el tokenizador son compartidos, así que un segundo modelo Stable Audio 3 solo descarga sus propios archivos.
| Paquete | Genera | Duración | Descarga | Requiere |
|---|---|---|---|---|
| Stable Audio 3 Small SFX | efectos de sonido, foley, sonidos de interfaz, ambientes | 1–60 s | 1.71 GB | una GPU con 4 GiB; también funciona en CPU, lento |
| Stable Audio 3 Small Music | música instrumental y bucles | 1 s – 2 min | 1.71 GB | una GPU con 4 GiB; una CPU es lenta |
| Stable Audio 3 Medium | música instrumental, el modelo más grande | 1 s – 6 min 20 s | 5.19 GB | CUDA con 12 GiB o Vulkan con 13 GiB; Mac con 16 GB |
- Efectos de sonido para la jugabilidad y la interfaz: Small SFX.
- Música en una GPU modesta, o piezas de hasta 2 minutos: Small Music.
- Pistas largas de hasta 6 min 20 s en una GPU con 12 GiB o más (CUDA; 13 GiB en Vulkan): Medium.
Descarga
5,19 GB, cinco archivos, cada uno fijado a un commit de Hugging Face. Son conversiones GGUF de stabilityai/stable-audio-3-medium para sa3.cpp, publicadas por el autor de sa3.cpp. El codificador de texto y el tokenizador los comparten todos los modelos Stable Audio 3, así que se descargan una sola vez.
| Archivo | Origen | Tamaño |
|---|---|---|
stable-audio-3-medium-dit-1.5B-v1.0-F16.gguf (transformador de difusión) | thepatch/stable-audio-3-medium-GGUF @ 380a7b2 | 2.91 GB |
stable-audio-3-medium-same-l-v1.0-F16.gguf (autoencoder) | thepatch/stable-audio-3-medium-GGUF @ 380a7b2 | 1.71 GB |
stable-audio-3-medium-conditioner-v1.0-F32.gguf (acondicionador) | thepatch/stable-audio-3-medium-GGUF @ 380a7b2 | 0.8 MB |
t5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf (codificador de texto) | thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf | 0.56 GB |
t5gemma-b-b-ul2-v1.0-vocab.gguf (tokenizador) | thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf | 13.8 MB |
El transformador de difusión y el autoencoder son F16. El autor de sa3.cpp validó las conversiones contra la referencia PyTorch de Stability AI (similitud coseno ~1.0).
En qué ordenadores
| Ordenador | Velocidad |
|---|---|
| CUDA, 12 GiB de VRAM o más | En una RTX 4090 con Windows, un clip de 380 s tardó 15,3 s y usó unos 11,5 GiB por encima de la línea base. |
| Vulkan, 13 GiB de VRAM o más | En la misma tarjeta, un clip de 380 s tardó 28,2 s y usó unos 12,7 GiB por encima de la línea base. |
| Mac con Apple silicon, 16 GB de memoria o más | unos 6 s para 12 s de audio en un Apple M4 (medición de upstream) |
Los requisitos de CUDA y Vulkan cubren la duración máxima. Un clip de 30 s usó unos 2,9 GiB por encima de la línea base en cualquiera de los dos backends en la misma prueba. El primer sonido tras la instalación tarda más.
Licencia
Stability AI Community License (no es una licencia de código abierto). Lee el texto completo antes de descargar: LICENSE.md (la versión del 5 de julio de 2024, idéntica a la del modelo original).
- Uso gratuito: investigación, uso personal, ocio y otros usos no comerciales, y evaluación.
- El uso comercial está restringido. Es gratuito solo mientras tú, junto con tus afiliados, obtengas menos de US$1.000.000 al año en ingresos, de cualquier fuente.
- El límite de ingresos pone fin a todas las licencias. En cuanto tú y tus afiliados obtengan más de US$1.000.000 al año, todas las licencias del acuerdo terminan, no solo el uso comercial. Entonces necesitas una licencia Enterprise de Stability AI (stability.ai/enterprise).
- Registro: antes de cualquier uso comercial debes registrarte con Stability AI en stability.ai/community-license.
- Atribución: si distribuyes el modelo, o un producto o servicio que lo use, debes
- dar a los destinatarios una copia de la licencia;
- conservar un archivo de texto "Notice" con este texto: "This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved";
- mostrar de forma destacada "Powered by Stability AI" en un sitio web, una interfaz de usuario, una entrada de blog, una página «acerca de» o la documentación del producto relacionados.
- Uso aceptable: el uso debe seguir la Acceptable Use Policy de Stability AI y las leyes aplicables, incluidos los controles comerciales. No puedes usar el modelo ni sus resultados para crear o mejorar otro modelo de IA generativa fundacional.
- Otros términos: no se conceden derechos de marca más allá de la atribución. Stability AI puede poner fin a la licencia si la incumples. También termina si demandas a Stability AI alegando que el modelo o sus resultados infringen tus derechos.
- Resultados: entre tú y Stability AI, tú eres el propietario del audio que generas, en la medida en que la ley lo permita.
Codificador de texto: Gemma Terms of Use. El codificador y el tokenizador T5Gemma son de Google (google/t5gemma-b-b-ul2), bajo los Gemma Terms of Use. No debes usarlos para los usos recogidos en la Gemma Prohibited Use Policy ni contra la ley. Si los redistribuyes, debes:
- incluir las restricciones de uso como término exigible de tu propia licencia o condiciones de uso;
- dar a los destinatarios una copia de los Gemma Terms;
- marcar cualquier archivo que hayas modificado con un aviso destacado;
- incluir un archivo Notice con "Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms".
Archivos y sus licencias:
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), convertidos desdestabilityai/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).
Acceso a través del repositorio de Stability AI. Antes de la descarga, la app te pide que aceptes los términos de Stability AI en su repositorio oficial, stabilityai/stable-audio-3-medium, con tu propia cuenta de Hugging Face: ábrelo, rellena el formulario de acceso (nombre, correo electrónico, país, uso previsto) y acepta. Después, pega un token de acceso de Hugging Face en Ajustes › Almacenamiento de modelos › Hugging Face (o en la tarjeta de descarga). La app comprueba con ese token que tu cuenta tiene acceso (una petición a un archivo fijado de stabilityai/stable-audio-3-medium, en d4d3579); no descarga los pesos PyTorch de Stability AI. Los archivos del modelo proceden de la conversión GGUF del autor de sa3.cpp (los repositorios thepatch/* de arriba), verificados por sha256, sin enviar allí ningún token. El token se queda en tu ordenador y solo se envía a huggingface.co.
Eres responsable de cumplir estas licencias. Todos los archivos se descargan de Hugging Face. AI Game Dev no los aloja.
Powered by Stability AI. This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved.
Versiones
| Versión | Publicada | Requiere la aplicación |
|---|---|---|
| 1.1.3Última | 0.32.0-beta.6 o posterior | |
| 1.1.2 | 0.32.0-beta.6 o posterior |
Instalar
En la app de escritorio
Abre la ventana Paquetes (el icono de paquete en la barra de estado), selecciona Explorar, busca aigd.audio-stable-audio-3-medium y haz clic en Añadir al proyecto.
¿Aún no tienes la app? Descarga AI Game Dev gratis para Windows, macOS o Linux.
Desde el terminal
Con la CLI gamedev, en la carpeta de tu proyecto:
gamedev pkg add aigd.audio-stable-audio-3-mediumRequisitos
- AI Game Dev 0.32.0-beta.6 o posterior
gamedev pkg add aigd.audio-stable-audio-3-medium