AI音频生成领域迎来新突破，知名初创公司Stability AI正式发布Stability Audio 3.0系列模型，其中旗舰版本可生成超过六分钟的专业级音乐作品。该系列包含四款不同参数规模的模型，覆盖从设备端轻量化应用到云端高性能创作的全场景需求。
新发布的模型家族采用差异化设计策略：两款小型模型分别拥有45900万参数和14亿参数，专为移动端和边缘设备优化，可在本地生成两分钟以内的音频内容；中型（14亿参数）和大型（27亿参数）版本则具备更复杂的音乐结构控制能力，支持创作完整乐曲并保持旋律连贯性。相较于2024年推出的Stable Audio 2.0，新模型的最大生成时长实现翻倍提升，达到6分20秒。
在开源策略方面，该公司采取分层开放模式：小型SFX模型、基础小型模型及中型模型已向公众开放源代码和模型权重，允许开发者自由下载修改；而具备最强性能的大型模型则通过API接口和付费托管服务提供，年营收超100万美元的企业需额外购买商业授权。这种模式既保障了技术普惠性，又为商业应用建立了保护机制。
为确保数据合法性，Stability AI提前与华纳音乐集团、环球音乐集团等头部机构建立战略合作，所有训练数据均获得正式授权。这种前瞻性布局有效规避了音乐版权领域的潜在风险，为模型商业化铺平道路。目前公司正开发面向专业音乐人的工具链，前环球音频首席数字官伊桑·卡普兰已加盟主导该产品线，其过往在音乐科技领域的经验或将加速产品落地。
技术实现层面，新模型通过改进注意力机制和分层架构设计，显著提升了长序列生成能力。在保持音乐风格一致性的同时，能够处理更复杂的和声编排与节奏变化。测试数据显示，中型模型在古典音乐生成任务中，结构完整性评分较前代提升37%，而大型模型在流行音乐创作场景下，用户满意度达到92%。
