Stable Audio Open

Stable Audio Open 是一个开源免费的文本到音频生成工具，专注于快速生成高质量短音频样本，支持最长47秒、44.1kHz采样率的高保真输出。用户只需输入简洁描述（如“雨林鸟鸣”或“电子鼓节奏”），即可生成鼓点、乐器即兴、环境音效、拟音录音等多样化声音素材；它还支持对已有音频进行风格转换、批量生成同一提示下的多种变体，并允许开发者上传自有音频数据集进行模型微调。模型基于Stability AI技术训练，数据源自FreeSound等合法开放平台，可本地部署于Hugging Face，搭配ComfyUI插件轻松融入专业音视频工作流。

• ✓ 文本生成高质量短音频（最长47秒，44.1kHz）
• ✓ 支持音频风格转换与多变体生成
• ✓ 提供开源模型权重，支持本地部署与自定义微调

1. 1 访问官网体验基础生成功能
2. 2 从Hugging Face下载模型权重并本地部署
3. 3 输入描述性文本，调整参数后生成并导出音频

• → 音乐制作人快速获取鼓点、旋律片段或环境音效
• → 游戏与影视开发者定制角色动作音效或场景氛围声
• → 声音设计师制作拟音效果（如脚步声、水流声）用于教学或后期