Stable Audio Open：音频生成器 — 功能与运行要求

Stable Audio Open 是 Stability AI 推出的开源音频生成器。它解决的是 text-to-audio 任务：将文本描述转换为音频文件。该工具适合那些需要根据文本生成音频、并且愿意直接处理代码和模型权重的人。

功能

据作者描述，该项目是用于条件音频生成的生成模型。模型解决的任务是 text-to-audio：输入文本，输出音频。参数表中未声明其他工作模式，例如语音生成或按乐谱生成音乐。

代码使用 Python 编写。仓库最后一次更新是在 2026 年 8 月 9 日，仓库本身创建于 2023 年 5 月 23 日。

运行要求

运行需要 stable-audio-tools 库。最大的权重文件占用 4.5 GB，所有权重文件合计 14.6 GB。规划磁盘空间时需要考虑到这一点。

据作者描述，开发使用的是 Python 3.10。仓库描述中注明：“Requires PyTorch 2.5 or later for Flash Attention and Flex Attention support. Development for the repo is done in Python 3.10”。也就是说，要支持 Flash Attention 和 Flex Attention，需要 PyTorch 2.5 或更高版本。

代码以 MIT 许可证分发。权重许可证标注为 other——作者未在参数表中披露具体条款。

适合谁

该工具面向那些熟悉 Python、不畏惧通过代码运行模型的人。开源代码和可获取的权重让用户能够深入了解模型结构，并在必要时针对自己的需求进行改进。

对于寻找带界面的现成应用的人来说，这个方案可能不合适：参数表中没有关于图形界面或 Web 服务的信息。此外还需要考虑权重体积——合计 14.6 GB，对配置较低的机器来说可能比较吃力。

Stable Audio Open 是面向开发者和研究人员的工具，他们需要根据文本生成音频，并且愿意直接处理代码和权重。代码是开源的，模型可以获取，但运行需要一定的技术准备和足够的磁盘空间。