Stable Audio Open: генератор звука — что умеет и что нужно для запуска

Stable Audio Open — это генератор звука от Stability AI с открытым кодом. Он решает задачу text-to-audio: превращает текстовое описание в звуковой файл. Инструмент подойдёт тем, кому нужна генерация аудио по тексту и кто готов работать с кодом и весами модели напрямую.

Что умеет

Авторы описывают проект как генеративные модели для условной генерации звука. Задача, которую решает модель, — text-to-audio: на вход подаётся текст, на выходе получается звук. Других режимов работы, например генерации речи или музыки по нотам, в паспорте не заявлено.

Код написан на Python. Последнее изменение в репозитории — 9 августа 2026 года, сам репозиторий создан 23 мая 2023 года.

Что нужно для запуска

Для работы нужна библиотека stable-audio-tools. Самый большой файл весов занимает 4,5 ГБ, все файлы весов вместе — 14,6 ГБ. Это стоит учитывать при планировании дискового пространства.

По описанию автора, для разработки используется Python 3.10. В описании репозитория указано: «Requires PyTorch 2.5 or later for Flash Attention and Flex Attention support. Development for the repo is done in Python 3.10». То есть для поддержки Flash Attention и Flex Attention требуется PyTorch 2.5 или новее.

Код распространяется по лицензии MIT. Лицензия весов указана как other — конкретные условия авторы в паспорте не раскрывают.

Кому подойдёт

Инструмент рассчитан на тех, кто умеет работать с Python и не боится запускать модели через код. Открытый код и доступные веса позволяют разобраться в устройстве модели и при необходимости доработать её под свои задачи.

Тем, кто ищет готовое приложение с интерфейсом, этот вариант может не подойти: в паспорте нет сведений о графическом интерфейсе или веб-сервисе. Также стоит учесть объём весов — 14,6 ГБ суммарно, что может быть заметно для слабых машин.

Stable Audio Open — это инструмент для разработчиков и исследователей, которым нужна генерация звука по тексту и которые готовы работать с кодом и весами напрямую. Код открыт, модель доступна, но запуск требует технической подготовки и свободного места на диске.