Stable Audio 3 Small Music(音乐模型)
gamedev pkg add aigd.audio-stable-audio-3-small-music概览
Stable Audio 3 Small Music:根据文本提示生成纯音乐与循环片段,最长 2 分钟,44.1 kHz 立体声,不含人声,可用于游戏背景音乐、提示音和短旋律。在 4 GB 显存的 GPU 上通过 sa3.cpp 本地运行,也可在 CPU 上较慢地运行。Stability AI Community License:仅在年收入低于 100 万美元时可用于商业用途,且需先注册。
Stable Audio 3 Small Music 是 Stability AI 的小型音乐模型。它根据文本提示生成纯音乐和循环片段,每段从 1 秒到 2 分钟,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 本地音效与音乐(aigd.sa3cpp,即 sa3.cpp 运行时)在本地运行,因此每条音轨都不产生费用。它可在约 4 GiB 显存的 GPU 上运行,也能在 CPU 上运行,但速度较慢。它适合希望在普通硬件上快速获得背景音乐的游戏开发者。其许可证(Stability AI Community License)仅允许在收入上限以下、且完成注册后用于商业用途(见下文许可证部分)。
你可以制作什么
- 用于关卡、菜单和商店的纯音乐背景音乐。
- 音乐循环片段和短提示音,可在提示词中指定风格、乐器和速度。
- 用于胜利、失败和升级的短促音效与短旋律。
- 快速生成配乐草稿,尝试不同的氛围。
示例请求
- “为游戏主菜单制作一段 60 秒、120 BPM 的合成器流行纯音乐。”
- “为村庄生成一段 30 秒的平静原声吉他曲。”
- “制作一段带铜管的胜利短旋律,大约 4 秒。”
- “为地牢创作一段 2 分钟的黑暗氛围持续音。”
亮点
| 规格 | 取值 |
|---|---|
| 操作方式 | 文本生成音乐:一个提示词、一个时长和一个可选随机种子生成一个 WAV |
| 输出 | 44.1 kHz 立体声 WAV,保存到你的项目中 |
| 长度 | 1 秒到 2 分钟(默认 30 秒) |
| 提示词 | 最多 1,000 个字符;不含人声 |
| 步数 | 默认 8,最多 100 |
| 引导强度(CFG) | 默认 1 |
这个包只包含数据。它指定了模型文件。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,然后用 sa3.cpp 在你的电脑上运行它们。
该选哪个 Stable Audio 3 包
三个包都通过 本地音效与音乐(aigd.sa3cpp)运行,接收文本提示并写出 44.1 kHz 立体声 WAV,且都遵循同一份 Stability AI Community License。文本编码器和分词器是共用的,因此第二个 Stable Audio 3 模型只会下载它自己的文件。
| 包 | 生成内容 | 长度 | 下载大小 | 运行要求 |
|---|---|---|---|---|
| Stable Audio 3 Small SFX | 音效、拟音、UI 音效、环境音 | 1–60 s | 1.71 GB | 4 GiB 显存的 GPU;也能在 CPU 上运行,但很慢 |
| Stable Audio 3 Small Music | 纯音乐与循环片段 | 1 s – 2 min | 1.71 GB | 4 GiB 显存的 GPU;CPU 较慢 |
| Stable Audio 3 Medium | 纯音乐,更大的模型 | 1 s – 6 min 20 s | 5.19 GB | CUDA 需 12 GiB 或 Vulkan 需 13 GiB;Mac 需 16 GB |
- 游戏玩法与 UI 的音效:Small SFX。
- 在普通 GPU 上做音乐,或最长 2 分钟的片段:Small Music。
- 在 12 GiB 及以上显存的 GPU 上制作最长 6 分 20 秒的长曲目(CUDA;Vulkan 需 13 GiB):Medium。
下载
1.71 GB,共五个文件,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-small-music 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 模型共用,因此只需下载一次。
| 文件 | 来源 | 大小 |
|---|---|---|
stable-audio-3-small-music-dit-0.5B-v1.0-F16.gguf(扩散 Transformer) | thepatch/stable-audio-3-small-music-GGUF @ e06bd8e | 0.92 GB |
stable-audio-3-small-music-same-s-v1.0-F16.gguf(自编码器) | thepatch/stable-audio-3-small-music-GGUF @ e06bd8e | 0.22 GB |
stable-audio-3-small-music-conditioner-v1.0-F32.gguf(条件模块) | thepatch/stable-audio-3-small-music-GGUF @ e06bd8e | 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 @ 26caadf | 0.56 GB |
t5gemma-b-b-ul2-v1.0-vocab.gguf(分词器) | thepatch/t5gemma-b-b-ul2-GGUF @ 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 或 Vulkan,4 GiB 及以上显存 | 在 Windows 的 RTX 4090 上,一段 120 秒的音频在 CUDA 上耗时 3.1 秒,在 Vulkan 上耗时 11.7 秒,相比基线分别多占用约 1.4 和 1.2 GiB。 |
| Apple 芯片的 Mac,8 GB 及以上内存 | 尚未实测 |
| 没有可用 GPU(CPU) | 慢:长片段需要数分钟 |
这些是估算值,并非保证。安装后第一次生成音频会更久。
许可证
Stability AI Community License(不是开源许可证)。下载前请阅读全文:LICENSE.md(2024 年 7 月 5 日版本,与上游模型的许可证一致)。
- 免费使用:研究、个人、爱好及其他非商业用途,以及评估。
- 商业用途受限。只有当你连同你的关联公司,从任何来源获得的年收入低于 1,000,000 美元时,商业用途才免费。
- 收入上限会终止所有许可证。一旦你和你的关联公司年收入超过 1,000,000 美元,协议下的所有许可证都会终止,不只是商业用途。届时你需要从 Stability AI 获得企业许可证(stability.ai/enterprise)。
- 注册:在进行任何商业用途之前,你必须在 stability.ai/community-license 向 Stability AI 注册。
- 署名:如果你分发该模型,或分发使用该模型的产品或服务,你必须
- 向接收者提供一份许可证副本;
- 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";
- 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展示 "Powered by Stability AI"。
- 可接受使用:使用必须遵守 Stability AI 的可接受使用政策和适用法律,包括贸易管制。你不得使用该模型或其输出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,许可证也会终止。
- 输出:在你与 Stability AI 之间,你拥有你生成的音频,但以法律允许的范围为限。
文本编码器:Gemma 使用条款。T5Gemma 编码器和分词器属于 Google(google/t5gemma-b-b-ul2),遵循 Gemma 使用条款。你不得将其用于 Gemma 禁止使用政策 中列明的用途,也不得用于违法用途。如果你再分发它们,你必须:
- 将使用限制作为你自己的许可证或使用条款中可强制执行的条款纳入;
- 向接收者提供一份 Gemma 条款副本;
- 在你修改过的任何文件上标注醒目的提示;
- 附上一个包含 "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-small-music-dit-0.5B-v1.0-F16.gguf、stable-audio-3-small-music-same-s-v1.0-F16.gguf、stable-audio-3-small-music-conditioner-v1.0-F32.gguf:Stability AI Community License(LICENSE.md),转换自stabilityai/stable-audio-3-small-music。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、NOTICE)。
通过 Stability AI 的仓库获取访问权限。下载之前,应用会要求你用你自己的 Hugging Face 账号在其官方仓库 stabilityai/stable-audio-3-small-music 上接受 Stability AI 的条款:打开该页面,填写访问表单(姓名、邮箱、国家、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号是否具有访问权限(向 stabilityai/stable-audio-3-small-music 的一个固定文件发起一次请求,地址为 8bdfb53);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(即上文列出的 thepatch/* 仓库),经 sha256 校验,不会向那里发送任何令牌。令牌保留在你的电脑上,只会发送给 huggingface.co。
你有责任遵守这些许可证。所有文件都从 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.
版本
| 版本 | 发布时间 | 需要应用 |
|---|---|---|
| 1.1.3最新 | 0.32.0-beta.6 或更高版本 | |
| 1.1.2 | 0.32.0-beta.6 或更高版本 |
安装
在桌面应用中安装
打开包窗口(状态栏中的包图标),选择浏览,搜索 aigd.audio-stable-audio-3-small-music,然后点击添加到项目。
还没安装应用?免费下载 AI Game Dev,支持 Windows、macOS 和 Linux。
从终端安装
在项目文件夹中使用 gamedev CLI:
gamedev pkg add aigd.audio-stable-audio-3-small-music环境要求
- AI Game Dev 0.32.0-beta.6 或更高版本
gamedev pkg add aigd.audio-stable-audio-3-small-music