Qu’est-ce que Stable Audio 3.0 Medium ?
Stable Audio 3.0 est une famille de quatre modèles texte vers audio de Stability AI, annoncée le 20 mai 2026. Trois ont des poids ouverts : Medium, pour de la musique jusqu'à 6:20 à la structure plus solide ; Small (publié sous le nom Small-Music), pour de la musique jusqu'à deux minutes sur l'appareil ; et Small SFX, pour les effets sonores et les ambiances sur téléphones et portables. Large n'est disponible que via l'API de Stability ou en déploiement entreprise.
Selon Stability, les quatre sont entraînés sur des données sous licence ; la fiche du modèle recense 806 284 enregistrements de la bibliothèque AudioSparx et 472 618 enregistrements Creative Commons de Freesound. Medium compte environ 2,3 milliards de paramètres en incluant son encodeur de texte T5Gemma, et chaque petit modèle environ 568 millions, d'après les listes de fichiers de Hugging Face. La durée se règle à la seconde, et l'inpainting modifie un ou plusieurs segments ou prolonge un enregistrement.
Les poids sont sous la Stability AI Community License : gratuite, usage commercial compris, pour les organisations réalisant moins de 1 million de dollars de chiffre d'affaires annuel.
Stable Audio 3.0 Medium vaut-il le coup ?
Stable Audio 3.0 est la famille de modèles ouverts pour la musique instrumentale et les effets sonores quand la provenance compte. Selon la fiche du modèle, Stability l'a entraînée sur 1 278 902 enregistrements sous licence d'AudioSparx et de Freesound, et a écarté la musique protégée avec un étiqueteur audio et une société de détection externe. Aucun autre modèle musical ouvert que nous couvrons ne documente ses données aussi précisément.
Medium, le plus grand modèle ouvert, écrit des morceaux instrumentaux structurés jusqu'à 6:20, avec une durée réglée à la seconde. La fiche annonce une génération en moins de 2 secondes sur une H200 et en quelques secondes sur un MacBook Pro M4. Les deux petits modèles, d'environ 568 millions de paramètres chacun, sont conçus pour les téléphones et les portables : Small-Music produit jusqu'à deux minutes de musique, contre 11 secondes pour Stable Audio Open Small, et Small SFX produit effets sonores et ambiances. L'inpainting régénère des segments choisis ou prolonge un morceau, et l'entraînement LoRA est documenté pour Small et Medium.
Le hic : ce n'est pas un modèle de chansons. L'entrée est un prompt texte sans champ pour les paroles, et Stability ne revendique pas de voix chantée ; qui a besoin d'un chanteur regardera ACE-Step 1.5 ou MiniMax Music 3. Les poids sur Hugging Face sont soumis à l'acceptation d'une licence, la Community License cesse d'être gratuite à 1 million de dollars de chiffre d'affaires annuel, et l'encodeur T5Gemma inclus apporte les Gemma Terms of Use. Le modèle le plus puissant, Large, ne se télécharge pas du tout.
Notre avis : pour les studios de jeux et d'applis qui ont besoin d'effets sonores ou de musique de fond générés sur l'appareil, avec une réponse claire quand le service juridique s'interroge sur les données d'entraînement, Stable Audio 3.0 est le choix ouvert naturel ; pour des chansons avec paroles, ce n'est pas le bon outil.
Là où il fait la différence
Un studio de jeux mobiles réalisant moins de 1 million de dollars de chiffre d'affaires
Générer les effets sonores sur l'appareil du joueur au lieu de livrer de lourds fichiers audio
Intégrez Small SFX à l'appli et générez les effets à la demande ; la Community License couvre l'usage commercial sous 1 million de dollars par an, au-delà il faut une licence Enterprise.
L'équipe de production d'un réseau de podcasts
Produire génériques, nappes musicales et transitions avec une traçabilité des droits claire
Générez des instrumentaux avec Medium à des durées réglées à la seconde et retravaillez un seul segment par inpainting ; les données AudioSparx et Freesound documentées répondent aux questions de provenance des clients.
Un développeur qui prototype sans GPU
Tester la génération musicale dans une appli avant de s'engager sur l'auto-hébergement
Appelez Stable Audio 3.0 via l'API de Stability à 8 crédits (0,08 $) par génération ; les 25 crédits gratuits d'un nouveau compte couvrent trois générations.
Avant de vous engager
- Mise en route
- Acceptez la licence sur Hugging Face, installez la bibliothèque stable-audio-3 et appelez StableAudioModel.from_pretrained("medium") avec un prompt et une durée ; ComfyUI le prenait en charge dès le jour du lancement.
- Intégrations
- Bibliothèques Python stable-audio-3 et stable-audio-tools, ComfyUI, l'API Stability AI et l'inférence hébergée via fal.
- Données et confidentialité
- Les poids auto-hébergés gardent l'audio en local. Données d'entraînement : 806 284 enregistrements AudioSparx et 472 618 Freesound sous CC-0, CC-BY ou CC Sampling+. Avec la Community License, les sorties vous appartiennent.
- Coût à grande échelle
- Gratuit en auto-hébergement pour les organisations sous 1 million de dollars de chiffre d'affaires ; au-delà, licence Enterprise sur devis, avec indemnisation juridique. Via l'API, 10 000 générations à 0,08 $ coûtent 800 $.
- Limites
- Medium jusqu'à 6:20, petits modèles jusqu'à deux minutes ; prompts en anglais ; aucun contrôle des paroles ni de la voix ; les restrictions des Gemma Terms of Use s'appliquent à l'encodeur de texte.
Les points forts
- Entraîné sur 1 278 902 enregistrements sous licence, avec filtrage des droits d'auteur
- Medium va jusqu'à 6:20, durée réglée à la seconde
- Les petits modèles (environ 568M paramètres) tournent sur téléphones et portables
- Small SFX couvre effets sonores et ambiances
- Inpainting, prolongation et entraînement LoRA
Les points faibles
- Pas d'entrée de paroles ; pas un modèle de chansons chantées
- La licence gratuite s'arrête à 1 million de dollars de chiffre d'affaires annuel
- Téléchargement soumis à acceptation ; les conditions Gemma s'appliquent aussi
- Large, le meilleur modèle, uniquement par API ou en entreprise
- Les petits modèles plafonnent à deux minutes
Idéal pour
Les équipes jeux, applis et vidéo qui ont besoin de musique instrumentale ou d'effets sonores issus d'un modèle aux données d'entraînement documentées et sous licence, y compris sur l'appareil.
Alternatives à Stable Audio 3.0 Medium
Stable Audio 3.0 Medium : questions fréquentes
- Stable Audio 3.0 Medium vaut-il le coup ?
- Stable Audio 3.0 Medium est le choix ouvert pour les instrumentaux et les effets sonores entraînés sur de l'audio sous licence, avec de petits frères qui tournent sur un téléphone, mais il ne fait pas de chansons avec paroles. Nous lui donnons 3.9 sur 5.
- Combien coûte Stable Audio 3.0 Medium ?
- Poids gratuits sous la Stability AI Community License pour les organisations de moins de 1 million de dollars de chiffre d'affaires annuel ; au-delà, licence Enterprise sur devis. API : Stable Audio 3.0 coûte 8 crédits (0,08 $) par génération ; les nouveaux comptes reçoivent 25 crédits gratuits.
- Quels sont les inconvénients de Stable Audio 3.0 Medium ?
- Pas d'entrée de paroles ; pas un modèle de chansons chantées; la licence gratuite s'arrête à 1 million de dollars de chiffre d'affaires annuel; téléchargement soumis à acceptation ; les conditions Gemma s'appliquent aussi; large, le meilleur modèle, uniquement par API ou en entreprise; les petits modèles plafonnent à deux minutes.
- À qui s’adresse Stable Audio 3.0 Medium ?
- Les équipes jeux, applis et vidéo qui ont besoin de musique instrumentale ou d'effets sonores issus d'un modèle aux données d'entraînement documentées et sous licence, y compris sur l'appareil.
- Combien coûte Stable Audio 3.0 Medium pour une équipe ou en production ?
- Gratuit en auto-hébergement pour les organisations sous 1 million de dollars de chiffre d'affaires ; au-delà, licence Enterprise sur devis, avec indemnisation juridique. Via l'API, 10 000 générations à 0,08 $ coûtent 800 $.
- Stable Audio 3.0 Medium est-il sûr pour les données de l’entreprise ?
- Les poids auto-hébergés gardent l'audio en local. Données d'entraînement : 806 284 enregistrements AudioSparx et 472 618 Freesound sous CC-0, CC-BY ou CC Sampling+. Avec la Community License, les sorties vous appartiennent.
- Quelles sont les meilleures alternatives à Stable Audio 3.0 Medium ?
- Les alternatives les plus proches que nous avons testées sont ACE-Step 1.5, Eleven Music v2.5 et Lyria 3.5.
Réponses vérifiées le 7 nov. 2026.