Stable Audio 3 Medium(音樂模型)
gamedev pkg add aigd.audio-stable-audio-3-medium總覽
Stable Audio 3 Medium:依文字提示詞生成器樂,每段最長 6 分 20 秒,44.1 kHz 立體聲,不含人聲;這是較大型的 Stable Audio 3 音樂模型,適合完整長度的配樂作品。透過 sa3.cpp 在 GPU 上本機執行(CUDA 需 12 GB,Vulkan 在製作最長片段時需 13 GB)。Stability AI Community License:年營收未滿 100 萬美元且完成註冊後,方可商業使用。
Stable Audio 3 Medium 是 Stability AI 較大型的音樂模型。它會依文字提示詞製作出每段 1 秒至最長 6 分 20 秒的器樂,輸出 44.1 kHz 立體聲 WAV。它不產生人聲。在 AI Game Dev 應用程式中,它透過 Local sound effects and music(aigd.sa3cpp,也就是 sa3.cpp 執行環境)在本機執行,因此每首曲目都不花任何費用。它需要 GPU。它適合想要完整長度器樂配樂作品的遊戲開發者。其授權(Stability AI Community License)僅允許在營收上限以下、且完成註冊後進行商業使用(請見下方的授權章節)。
你可以製作什麼
- 完整長度的器樂關卡音樂與配樂作品,最長 6 分 20 秒。
- 適合開放區域的長篇環境氛圍與探索曲目。
- 選單、製作人員名單與過場動畫音樂。
範例請求
- 「製作一段 4 分鐘的管弦樂探索主題,包含弦樂與輕柔的打擊樂。」
- 「為賽車關卡生成一段 3 分鐘、124 BPM 的強勁電子曲目。」
- 「製作 6 分鐘的緩慢環境音樂,用於製作人員名單。」
重點特色
| 規格 | 值 |
|---|---|
| 運作方式 | 文字轉音樂:提示詞、長度與選填的種子碼,產生一個 WAV |
| 輸出 | 44.1 kHz 立體聲 WAV,儲存到你的專案中 |
| 長度 | 1 秒至 6 分 20 秒(預設 60 秒) |
| 提示詞 | 最多 1,000 個字元;不含人聲 |
| 步數 | 預設 8,最多 100 |
| 引導強度(CFG) | 預設 1 |
這個套件只包含資料。它會指名模型檔案。在你確認並接受下方授權後,應用程式會下載這些檔案、以 sha256 檢查每個檔案,並用 sa3.cpp 在你的電腦上執行它們。
該選哪一個 Stable Audio 3 套件
三者都在 Local sound effects and music(aigd.sa3cpp)上執行,接受文字提示詞,並以相同的 Stability AI Community License 寫出 44.1 kHz 立體聲 WAV。文字編碼器與分詞器為共用元件,因此第二個 Stable Audio 3 模型只會下載它自己的檔案。
| 套件 | 用途 | 長度 | 下載 | 需求 |
|---|---|---|---|---|
| Stable Audio 3 Small SFX | 音效、擬音、UI 音效、環境氛圍 | 1–60 s | 1.71 GB | 4 GiB 的 GPU;也可在 CPU 上執行,但速度較慢 |
| Stable Audio 3 Small Music | 器樂與循環樂段 | 1 s – 2 min | 1.71 GB | 4 GiB 的 GPU;用 CPU 速度較慢 |
| Stable Audio 3 Medium | 器樂,較大型的模型 | 1 s – 6 min 20 s | 5.19 GB | CUDA 12 GiB 或 Vulkan 13 GiB;Mac 16 GB |
- 遊戲玩法與 UI 的音效:Small SFX。
- 在一般規格的 GPU 上製作音樂,或製作最長 2 分鐘的片段:Small Music。
- 在 12 GiB 以上(CUDA;Vulkan 為 13 GiB)的 GPU 上製作最長 6 分 20 秒的長曲目:Medium。
下載
5.19 GB,共五個檔案,各自固定在特定的 Hugging Face commit。它們是供 sa3.cpp 使用的 stabilityai/stable-audio-3-medium GGUF 轉換版本,由 sa3.cpp 作者發布。文字編碼器與分詞器為所有 Stable Audio 3 模型共用,因此只會下載一次。
| 檔案 | 來源 | 大小 |
|---|---|---|
stable-audio-3-medium-dit-1.5B-v1.0-F16.gguf(擴散 Transformer) | thepatch/stable-audio-3-medium-GGUF @ 380a7b2 | 2.91 GB |
stable-audio-3-medium-same-l-v1.0-F16.gguf(自動編碼器) | thepatch/stable-audio-3-medium-GGUF @ 380a7b2 | 1.71 GB |
stable-audio-3-medium-conditioner-v1.0-F32.gguf(條件調節器) | thepatch/stable-audio-3-medium-GGUF @ 380a7b2 | 0.8 MB |
t5gemma-b-b-ul2-encoder-0.3B-v1.0-F16.gguf(文字編碼器) | thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf | 0.56 GB |
t5gemma-b-b-ul2-v1.0-vocab.gguf(分詞器) | thepatch/t5gemma-b-b-ul2-GGUF @ 26caadf | 13.8 MB |
擴散 Transformer 與自動編碼器為 F16。sa3.cpp 作者已對照 Stability AI 的 PyTorch 參考實作驗證這些轉換(餘弦相似度約 1.0)。
適用電腦
| 電腦 | 速度 |
|---|---|
| CUDA,12 GiB 以上 VRAM | 在 Windows 的 RTX 4090 上,380 秒的片段耗時 15.3 秒,並在基準值之上使用約 11.5 GiB。 |
| Vulkan,13 GiB 以上 VRAM | 在同一張顯示卡上,380 秒的片段耗時 28.2 秒,並在基準值之上使用約 12.7 GiB。 |
| Apple 晶片 Mac,16 GB 以上記憶體 | 在 Apple M4 上,12 秒的音訊約需 6 秒(上游實測) |
CUDA 與 Vulkan 的需求涵蓋最長片段長度。在同一項測試中,30 秒的片段在任一種後端上都於基準值之上使用約 2.9 GiB。安裝後產生的第一個音效會花比較久。
授權
Stability AI Community License(並非開源授權)。下載前請先閱讀完整條文:LICENSE.md(2024 年 7 月 5 日版本,與上游模型相同)。
- 免費使用: 研究、個人、興趣嗜好及其他非商業用途,以及評估。
- 商業使用受到限制。 唯有當你與你的關係企業,來自任何來源的年營收低於 1,000,000 美元時,才可免費使用。
- 營收上限會終止所有授權。 一旦你與關係企業的年營收超過 1,000,000 美元,本協議下的所有授權都會終止,不只是商業使用。屆時你需要向 Stability AI 取得 Enterprise 授權(stability.ai/enterprise)。
- 註冊: 在進行任何商業使用前,你必須在 stability.ai/community-license 向 Stability AI 註冊。
- 標示出處: 如果你散布模型,或散布使用該模型的產品或服務,你必須
- 提供授權副本給收到者;
- 保留一個 "Notice" 文字檔,內容為:"This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved";
- 在相關網站、使用者介面、部落格文章、關於頁面或產品文件中顯著展示 "Powered by Stability AI"。
- 可接受的使用: 使用時必須遵守 Stability AI 的 Acceptable Use Policy 與適用法律,包括貿易管制。你不得使用該模型或其輸出來建立或改良另一個基礎生成式 AI 模型。
- 其他條款: 除標示出處外,不授予任何商標權。若你違反授權,Stability AI 可終止授權。若你起訴 Stability AI,主張該模型或其輸出侵害你的權利,授權亦會終止。
- 輸出: 在你與 Stability AI 之間,你所生成的音訊歸你所有,但以法律允許的範圍為限。
文字編碼器:Gemma 使用條款。 T5Gemma 編碼器與分詞器屬於 Google(google/t5gemma-b-b-ul2),受 Gemma Terms of Use 規範。你不得將其用於 Gemma Prohibited Use Policy 所列的用途,亦不得用於違法用途。如果你重新散布它們,你必須:
- 將使用限制納入你自己的授權或使用條款中,作為可強制執行的條款;
- 提供 Gemma 條款副本給收到者;
- 在你修改過的檔案上標註顯眼的通知;
- 附上包含 "Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms" 的 Notice 檔案。
檔案與其授權:
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),轉換自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 使用條款(LICENSE.md、NOTICE)。
透過 Stability AI 的儲存庫取得。 下載前,應用程式會要求你用自己的 Hugging Face 帳號,在其官方儲存庫 stabilityai/stable-audio-3-medium 上接受 Stability AI 的條款:開啟該頁面、填寫存取表單(姓名、電子郵件、國家、預期用途)並接受。接著在「設定 › 模型儲存空間 › Hugging Face」(或在下載卡片中)貼上 Hugging Face 存取權杖。應用程式會用該權杖確認你的帳號具有存取權(對 stabilityai/stable-audio-3-medium 的一個固定檔案、位於 d4d3579,發出一次請求);它不會下載 Stability AI 的 PyTorch 權重。模型檔案本身來自 sa3.cpp 作者提供的 GGUF 轉換版本(即上述 thepatch/* 儲存庫),並以 sha256 檢查,過程中不會傳送權杖。權杖會留在你的電腦上,只會傳送到 huggingface.co。
你有責任遵守這些授權。所有檔案都從 Hugging Face 下載。AI Game Dev 並不托管這些檔案。
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 | 發布日期 | 需搭配應用程式 |
|---|---|---|
| 1.1.3最新 | 0.32.0-beta.6 或更新版本 | |
| 1.1.2 | 0.32.0-beta.6 或更新版本 |
安裝
在桌面應用程式中
開啟 套件 視窗(狀態列上的套件圖示),選擇 瀏覽,搜尋 aigd.audio-stable-audio-3-medium,然後點選 加到專案。
還沒安裝應用程式?免費下載 AI Game Dev,支援 Windows、macOS 與 Linux。
從終端機
在你的專案資料夾中,使用 gamedev CLI:
gamedev pkg add aigd.audio-stable-audio-3-medium需求
- AI Game Dev 0.32.0-beta.6 或更新版本
gamedev pkg add aigd.audio-stable-audio-3-medium