# Stable Audio 3 Medium（音乐模型）

> Stable Audio 3 Medium：根据文本提示生成器乐音乐，最长 6 分 20 秒，44.1 kHz 立体声，无人声；这是较大的 Stable Audio 3 音乐模型，适合完整长度的配乐作品。通过 sa3.cpp 在 GPU 上本地运行（最长作品在 CUDA 上需 12 GB，在 Vulkan 上需 13 GB）。Stability AI Community License：须先注册，且仅在年收入低于 100 万美元时可用于商业用途。

- ID: `aigd.audio-stable-audio-3-medium`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.1.3 (发布于 2026-11-22)
- 许可证: SEE LICENSE IN README.md
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.audio-stable-audio-3-medium

## 安装

使用 gamedev CLI，在项目文件夹中运行：

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

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.audio-stable-audio-3-medium`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.1.3 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.1.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

````markdown
# Stable Audio 3 Medium (`aigd.audio-stable-audio-3-medium`)

Stable Audio 3 Medium 是 Stability AI 较大的音乐模型。它根据文本提示生成器乐音乐，每段从 1 秒到 6 分 20 秒，输出 44.1 kHz 立体声 WAV。它不生成人声。在 AI Game Dev 应用中，它通过 **Local sound effects and music**（`aigd.sa3cpp`，即 sa3.cpp 运行时）在本地运行，所以每条音轨都不产生费用。它需要 GPU。它适合想要完整长度器乐配乐作品的游戏开发者。其许可证（Stability AI Community License）仅在收入低于上限且完成注册后才允许商业使用（见下文的许可证章节）。

## 你可以制作什么

- 完整长度的器乐关卡音乐和配乐作品，最长 6 分 20 秒。
- 用于开阔区域的长时间氛围和环境探索音轨。
- 菜单、制作人员名单和过场动画音乐。

## 示例请求

- “制作一段 4 分钟的管弦乐探索主题，使用弦乐和轻柔的打击乐。”
- “为竞速关卡生成一段 3 分钟、124 BPM 的动感电子音轨。”
- “为制作人员名单制作 6 分钟的缓慢氛围音乐。”

## 亮点

| 规格 | 值 |
|---|---|
| 操作 | 文本生成音乐：一个提示、一个时长和一个可选的种子生成一个 WAV |
| 输出 | 44.1 kHz 立体声 WAV，保存到你的项目中 |
| 长度 | 1 秒到 6 分 20 秒（默认 60 秒） |
| 提示 | 最多 1,000 个字符；无人声 |
| 步数 | 默认 8，最多 100 |
| 引导强度（CFG） | 默认 1 |

此包只包含数据。它指明模型文件。你确认并接受下方许可证后，应用会下载这些文件，用 sha256 校验每个文件，并用 sa3.cpp 在你的电脑上运行它们。

## 该选哪个 Stable Audio 3 包

这三个包都通过 **Local sound effects and music**（`aigd.sa3cpp`）运行，接受文本提示，并在同一 Stability AI Community License 下写出 44.1 kHz 立体声 WAV。文本编码器和分词器是共享的，所以第二个 Stable Audio 3 模型只需下载它自己的文件。

| 包 | 可制作 | 长度 | 下载 | 需求 |
|---|---|---|---:|---|
| [Stable Audio 3 Small SFX](https://ai-game.dev/packages/aigd.audio-stable-audio-3-small-sfx) | 音效、拟音、UI 声音、环境声 | 1–60 s | 1.71 GB | 4 GiB 显存的 GPU；也可在 CPU 上运行，但较慢 |
| [Stable Audio 3 Small Music](https://ai-game.dev/packages/aigd.audio-stable-audio-3-small-music) | 器乐音乐和循环片段 | 1 s – 2 min | 1.71 GB | 4 GiB 显存的 GPU；CPU 较慢 |
| [Stable Audio 3 Medium](https://ai-game.dev/packages/aigd.audio-stable-audio-3-medium) | 器乐音乐，较大的模型 | 1 s – 6 min 20 s | 5.19 GB | CUDA 需 12 GiB 或 Vulkan 需 13 GiB；Mac 需 16 GB |

- 游戏玩法和 UI 的音效：**Small SFX**。
- 在配置一般的 GPU 上制作音乐，或制作最长 2 分钟的片段：**Small Music**。
- 在 12 GiB 或以上显存的 GPU 上制作最长 6 分 20 秒的长音轨（CUDA；Vulkan 需 13 GiB）：**Medium**。

## 下载

5.19 GB，五个文件，每个都固定到某个 Hugging Face 提交。它们是供 sa3.cpp 使用的 [`stabilityai/stable-audio-3-medium`](https://huggingface.co/stabilityai/stable-audio-3-medium) 的 GGUF 转换版本，由 sa3.cpp 作者发布。文本编码器和分词器由所有 Stable Audio 3 模型共享，因此只需下载一次。

| 文件 | 来源 | 大小 |
|---|---|---:|
| `stable-audio-3-medium-dit-1.5B-v1.0-F16.gguf`（扩散 transformer） | [`thepatch/stable-audio-3-medium-GGUF`](https://huggingface.co/thepatch/stable-audio-3-medium-GGUF/tree/380a7b25ba6b3b12563b01193227580a9ae7dac0) @ `380a7b2` | 2.91 GB |
| `stable-audio-3-medium-same-l-v1.0-F16.gguf`（自编码器） | [`thepatch/stable-audio-3-medium-GGUF`](https://huggingface.co/thepatch/stable-audio-3-medium-GGUF/tree/380a7b25ba6b3b12563b01193227580a9ae7dac0) @ `380a7b2` | 1.71 GB |
| `stable-audio-3-medium-conditioner-v1.0-F32.gguf`（条件器） | [`thepatch/stable-audio-3-medium-GGUF`](https://huggingface.co/thepatch/stable-audio-3-medium-GGUF/tree/380a7b25ba6b3b12563b01193227580a9ae7dac0) @ `380a7b2` | 0.8 MB |
| `t5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf`（文本编码器） | [`thepatch/t5gemma-b-b-ul2-GGUF`](https://huggingface.co/thepatch/t5gemma-b-b-ul2-GGUF/tree/26caadf5cb1b6523370caff61f6a32337f46625e) @ `26caadf` | 0.56 GB |
| `t5gemma-b-b-ul2-v1.0-vocab.gguf`（分词器） | [`thepatch/t5gemma-b-b-ul2-GGUF`](https://huggingface.co/thepatch/t5gemma-b-b-ul2-GGUF/tree/26caadf5cb1b6523370caff61f6a32337f46625e) @ `26caadf` | 13.8 MB |

扩散 transformer 和自编码器为 F16。sa3.cpp 作者已对照 Stability AI 的 PyTorch 参考实现验证了这些转换（余弦相似度约 1.0）。

## 适用电脑

| 电脑 | 速度 |
|---|---|
| CUDA，12 GiB 或以上显存 | 在 Windows 的 RTX 4090 上，一段 380 秒的片段耗时 15.3 秒，在基线之上占用约 11.5 GiB 显存。 |
| Vulkan，13 GiB 或以上显存 | 在同一张显卡上，一段 380 秒的片段耗时 28.2 秒，在基线之上占用约 12.7 GiB 显存。 |
| 配备 Apple 芯片、16 GB 或以上内存的 Mac | 在 Apple M4 上，12 秒音频约需 6 秒（上游实测） |

CUDA 和 Vulkan 的要求对应最长时长。在同一测试中，30 秒的片段在任一后端上都在基线之上占用约 2.9 GiB 显存。安装后的第一次生成声音耗时更长。

## 许可证

**Stability AI Community License**（不是开源许可证）。下载前请阅读全文：[LICENSE.md](https://huggingface.co/thepatch/stable-audio-3-medium-GGUF/blob/380a7b25ba6b3b12563b01193227580a9ae7dac0/LICENSE.md)（2024 年 7 月 5 日版本，与上游模型的相同）。

- **免费使用：**研究、个人、爱好及其他非商业用途，以及评估。
- **商业使用受限。**仅当你连同你的关联方每年从任何来源获得的**收入低于 1,000,000 美元**时才免费。
- **收入上限会终止所有许可证。**一旦你和你的关联方每年收入超过 1,000,000 美元，该协议下的所有许可证都会终止，而不只是商业使用。届时你需要从 Stability AI 获得 Enterprise 许可证（[stability.ai/enterprise](https://stability.ai/enterprise)）。
- **注册：**在进行任何商业使用之前，你必须在 [stability.ai/community-license](https://stability.ai/community-license) 向 Stability AI 注册。
- **署名：**如果你分发该模型，或分发使用它的产品或服务，你必须
  1. 向接收者提供许可证副本；
  2. 保留一个 "Notice" 文本文件，其中包含以下文字：*"This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved"*；
  3. 在相关网站、用户界面、博客文章、关于页面或产品文档中醒目地显示 **"Powered by Stability AI"**。
- **可接受使用：**使用必须遵守 Stability AI 的[可接受使用政策](https://stability.ai/use-policy)和适用法律，包括贸易管制。你不得使用该模型或其输出来创建或改进另一个基础生成式 AI 模型。
- **其他条款：**除署名外不授予任何商标权。如果你违反许可证，Stability AI 可以终止该许可证。如果你起诉 Stability AI 声称该模型或其输出侵犯你的权利，该许可证也会终止。
- **输出：**在你与 Stability AI 之间，在法律允许的范围内，你拥有你生成的音频。

**文本编码器：Gemma 使用条款。**T5Gemma 编码器和分词器归 Google 所有（[`google/t5gemma-b-b-ul2`](https://huggingface.co/google/t5gemma-b-b-ul2)），受 [Gemma 使用条款](https://ai.google.dev/gemma/terms) 约束。你不得将其用于 [Gemma 禁止使用政策](https://ai.google.dev/gemma/prohibited_use_policy) 中的用途，也不得违法使用。如果你重新分发它们，你必须：

1. 将使用限制作为你自己许可证或使用条款中可强制执行的条款纳入；
2. 向接收者提供 Gemma 条款副本；
3. 在你修改过的任何文件上标注醒目通知；
4. 附带一个包含 *"Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms"* 的 Notice 文件。

文件及其许可证：

- `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](https://huggingface.co/thepatch/stable-audio-3-medium-GGUF/blob/380a7b25ba6b3b12563b01193227580a9ae7dac0/LICENSE.md)），转换自 [`stabilityai/stable-audio-3-medium`](https://huggingface.co/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 使用条款（[LICENSE.md](https://huggingface.co/thepatch/t5gemma-b-b-ul2-GGUF/blob/26caadf5cb1b6523370caff61f6a32337f46625e/LICENSE.md)、[NOTICE](https://huggingface.co/thepatch/t5gemma-b-b-ul2-GGUF/blob/26caadf5cb1b6523370caff61f6a32337f46625e/NOTICE)）。

**通过 Stability AI 的仓库获取。**下载之前，应用会要求你用你自己的 Hugging Face 账户，在其官方仓库 [`stabilityai/stable-audio-3-medium`](https://huggingface.co/stabilityai/stable-audio-3-medium) 上接受 Stability AI 的条款：打开该页面，填写访问表单（姓名、电子邮箱、国家/地区、预期用途）并接受。然后在 设置 › 模型存储 › Hugging Face（或下载卡片中）粘贴一个 Hugging Face 访问令牌。应用会用该令牌检查你的账户是否具有访问权限（向 `stabilityai/stable-audio-3-medium` 的一个固定文件发起一次请求，地址为 `d4d3579`）；它不会下载 Stability AI 的 PyTorch 权重。模型文件本身来自 sa3.cpp 作者的 GGUF 转换（上述 `thepatch/*` 仓库），经 sha256 校验，不会向那里发送令牌。令牌保留在你的电脑上，只会发送到 huggingface.co。

你有责任遵守这些许可证。所有文件均从 Hugging Face 下载。AI Game Dev 不托管它们。

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