O que é Stable Audio 3.0 Medium?
O Stable Audio 3.0 é uma família de quatro modelos de texto para áudio da Stability AI, anunciada em 20 de maio de 2026. Três têm pesos abertos: Medium, para música de até 6:20 com estrutura mais sólida; Small (publicado como Small-Music), para música de até dois minutos no dispositivo; e Small SFX, para efeitos sonoros e ambiências em celulares e notebooks. O Large só está disponível pela API da Stability ou em implantação corporativa.
Segundo a Stability, os quatro foram treinados com dados licenciados; o card do modelo lista 806.284 gravações da biblioteca AudioSparx e 472.618 gravações Creative Commons do Freesound. O Medium tem cerca de 2,3 bilhões de parâmetros contando o codificador de texto T5Gemma, e cada modelo pequeno cerca de 568 milhões, pelas listas de arquivos do Hugging Face. A duração é definida ao segundo, e o inpainting edita um ou vários trechos ou continua uma gravação.
Os pesos estão sob a Stability AI Community License: gratuita, uso comercial incluído, para organizações com menos de US$ 1 milhão de receita anual.
Stable Audio 3.0 Medium vale a pena?
O Stable Audio 3.0 é a família de modelos abertos para música instrumental e efeitos sonoros quando a procedência importa. Segundo o card do modelo, a Stability a treinou com 1.278.902 gravações licenciadas do AudioSparx e do Freesound e filtrou música protegida por direitos autorais com um classificador de áudio e uma empresa externa de detecção. Nenhum outro modelo aberto de música que cobrimos documenta seus dados com tanta precis ão.
O Medium, o maior modelo aberto, escreve faixas instrumentais estruturadas de até 6:20, com duração definida ao segundo. O card informa geração em menos de 2 segundos numa H200 e em poucos segundos num MacBook Pro M4. Os dois modelos pequenos, com cerca de 568 milhões de parâmetros cada, foram feitos para celulares e notebooks: o Small-Music gera até dois minutos de música, contra 11 segundos do Stable Audio Open Small, e o Small SFX gera efeitos sonoros e ambiências. O inpainting gera de novo trechos escolhidos ou estende uma faixa, e o treino de LoRA está documentado para Small e Medium.
O porém: não é um modelo de canções. A entrada é um prompt de texto sem campo para letra, e a Stability não promete vocais cantados; quem precisa de um cantor deve olhar o ACE-Step 1.5 ou o MiniMax Music 3. Os pesos no Hugging Face exigem aceitar uma licença, a Community License deixa de ser gratuita ao chegar a US$ 1 milhão de receita anual, e o codificador T5Gemma incluído traz junto os Gemma Terms of Use. O modelo mais forte, o Large, nem pode ser baixado.
Nossa opinião: para estúdios de games e apps que precisam de efeitos sonoros ou música de fundo gerados no próprio dispositivo, com uma resposta clara quando o jurídico pergunta sobre os dados de treinamento, o Stable Audio 3.0 é a escolha aberta natural; para canções com letra, é a ferramenta errada.
Onde ele se destaca
Um estúdio de jogos mobile com menos de US$ 1 milhão de receita
Gerar efeitos sonoros no aparelho do jogador em vez de distribuir arquivos de áudio pesados
Inclua o Small SFX no app e gere efeitos sob demanda; a Community License cobre uso comercial abaixo de US$ 1 milhão por ano, e acima disso é preciso uma licença Enterprise.
A equipe de produção de uma rede de podcasts
Produzir vinhetas, trilhas de fundo e transições com histórico de direitos claro
Gere instrumentais com o Medium em durações definidas ao segundo e use o inpainting para refazer um único trecho; os dados documentados do AudioSparx e do Freesound respondem às perguntas dos clientes sobre procedência.
Um desenvolvedor prototipando sem GPU
Testar geração de música num app antes de se comprometer com hospedagem própria
Chame o Stable Audio 3.0 pela API da Stability a 8 créditos (US$ 0,08) por geração; os 25 créditos grátis de uma conta nova dão para três gerações.
Antes de decidir
- Configuração
- Aceite a licença no Hugging Face, instale a biblioteca stable-audio-3 e chame StableAudioModel.from_pretrained("medium") com um prompt e uma duração; o ComfyUI deu suporte no dia do lançamento.
- Integrações
- Bibliotecas Python stable-audio-3 e stable-audio-tools, ComfyUI, a API da Stability AI e inferência hospedada pela fal.
- Dados e privacidade
- Com os pesos hospedados por você, o áudio fica local. Dados de treinamento: 806.284 gravações do AudioSparx e 472.618 do Freesound sob CC-0, CC-BY ou CC Sampling+. Pela Community License, as saídas são suas.
- Custo em escala
- Grátis em hospedagem própria para organizações com menos de US$ 1 milhão de receita; acima disso, licença Enterprise sob consulta, que inclui indenização jurídica. Na API, 10.000 gerações a US$ 0,08 custam US$ 800.
- Limites
- Medium até 6:20, modelos pequenos até dois minutos; prompts em inglês; sem controle de letra ou vocal; as restrições dos Gemma Terms of Use valem para o codificador de texto.
O que é bom
- Treinado com 1.278.902 gravações licenciadas, com filtragem de direitos autorais
- Medium chega a 6:20, com duração definida ao segundo
- Modelos pequenos (cerca de 568M parâmetros) rodam em celulares e notebooks
- Small SFX cobre efeitos sonoros e ambiências
- Inpainting, continuação e treino de LoRA
O que não é
- Sem entrada de letra; não é um modelo de canções com vocal
- Licença gratuita termina em US$ 1 milhão de receita anual
- Download com acesso restrito; os termos do Gemma também valem
- Large, o melhor modelo, só por API ou contrato corporativo
- Modelos pequenos vão até dois minutos
Ideal para
Equipes de games, apps e vídeo que precisam de música instrumental ou efeitos sonoros de um modelo com dados de treinamento licenciados e documentados, inclusive no dispositivo.
Alternativas ao Stable Audio 3.0 Medium
Stable Audio 3.0 Medium: perguntas frequentes
- Stable Audio 3.0 Medium vale a pena?
- O Stable Audio 3.0 Medium é a escolha aberta para instrumentais e efeitos sonoros treinada com áudio licenciado, com irmãos pequenos que rodam num celular, mas não faz canções com letra. Damos nota 3.9 de 5.
- Quanto custa Stable Audio 3.0 Medium?
- Pesos gratuitos sob a Stability AI Community License para organizações com menos de US$ 1 milhão de receita anual; acima disso, licença Enterprise com preço sob consulta. API: o Stable Audio 3.0 custa 8 créditos (US$ 0,08) por geração; contas novas recebem 25 créditos grátis.
- Quais são as desvantagens de Stable Audio 3.0 Medium?
- Sem entrada de letra; não é um modelo de canções com vocal; licença gratuita termina em US$ 1 milhão de receita anual; download com acesso restrito; os termos do Gemma também valem; large, o melhor modelo, só por API ou contrato corporativo; modelos pequenos vão até dois minutos.
- Para quem Stable Audio 3.0 Medium é indicado?
- Equipes de games, apps e vídeo que precisam de música instrumental ou efeitos sonoros de um modelo com dados de treinamento licenciados e documentados, inclusive no dispositivo.
- Quanto custa Stable Audio 3.0 Medium para uma equipe ou em produção?
- Grátis em hospedagem própria para organizações com menos de US$ 1 milhão de receita; acima disso, licença Enterprise sob consulta, que inclui indenização jurídica. Na API, 10.000 gerações a US$ 0,08 custam US$ 800.
- Stable Audio 3.0 Medium é seguro para dados da empresa?
- Com os pesos hospedados por você, o áudio fica local. Dados de treinamento: 806.284 gravações do AudioSparx e 472.618 do Freesound sob CC-0, CC-BY ou CC Sampling+. Pela Community License, as saídas são suas.
- Quais são as melhores alternativas ao Stable Audio 3.0 Medium?
- As alternativas mais próximas que analisamos são ACE-Step 1.5, Eleven Music v2.5 e Lyria 3.5.
Respostas verificadas em 7 de nov. de 2026.