# Stable Audio 3 Medium（音樂模型）

> 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。

- ID: `aigd.audio-stable-audio-3-medium`
- 來源: 官方 (第一方 `aigd.*`)
- 分類: 音訊
- 發佈者: AI Game Dev (`aigd`), 已驗證
- 最新版本: 1.1.3 (發佈於 2026-11-22)
- 授權條款: SEE LICENSE IN README.md
- 需要 AI Game Dev 應用程式: `>=0.32.0-beta.6`
- 原生程式碼: 否
- 評分: 尚無評分
- HTML 頁面: https://ai-game.dev/zh-hant/packages/aigd.audio-stable-audio-3-medium

## 安裝

在專案資料夾中，使用 gamedev CLI：

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

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 **加入專案**。更多資訊：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 發佈日期 | 需要應用程式 | 備註 |
|---|---|---|---|
| 1.1.3 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.1.2 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 說明

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

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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-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](https://ai-game.dev/packages/aigd.audio-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`](https://huggingface.co/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`](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`（自動編碼器） | [`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`（條件調節器） | [`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`（文字編碼器） | [`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`（分詞器） | [`thepatch/t5gemma-b-b-ul2-GGUF`](https://huggingface.co/thepatch/t5gemma-b-b-ul2-GGUF/tree/26caadf5cb1b6523370caff61f6a32337f46625e) @ `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](https://huggingface.co/thepatch/stable-audio-3-medium-GGUF/blob/380a7b25ba6b3b12563b01193227580a9ae7dac0/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](https://stability.ai/enterprise)）。
- **註冊：** 在進行任何商業使用前，你必須在 [stability.ai/community-license](https://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
  1. 提供授權副本給收到者；
  2. 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"*；
  3. 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](https://stability.ai/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`](https://huggingface.co/google/t5gemma-b-b-ul2)），受 [Gemma Terms of Use](https://ai.google.dev/gemma/terms) 規範。你不得將其用於 [Gemma Prohibited Use Policy](https://ai.google.dev/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：

1. 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；
2. 提供 Gemma 條款副本給收到者；
3. 在你修改過的檔案上標註顯眼的通知；
4. 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](https://huggingface.co/thepatch/stable-audio-3-medium-GGUF/blob/380a7b25ba6b3b12563b01193227580a9ae7dac0/LICENSE.md)），轉換自 [`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 使用條款（[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)）。

**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`](https://huggingface.co/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.
````
