Stable Audio 3: musica AI, prezzi e guida a ComfyUI

👁 116 letture

Stable Audio è il generatore di musica ed effetti sonori di Stability AI. La famiglia Stable Audio 3, presentata a maggio 2026, crea brani strumentali e suoni lunghi fino a 6 minuti e 20 secondi, ma non canta testi. Tre dei quattro modelli hanno pesi aperti: puoi usarli gratuitamente sul tuo computer, anche per scopi commerciali, se la tua azienda fattura meno di 1 milione di dollari all’anno, circa 888.652 euro.

Gli importi in euro sono stime ottenute convertendo i prezzi ufficiali in USD al tasso di riferimento BCE del 16 ottobre 2026 (1 EUR = 1,1253 USD). Fonte: BCE. Non sono prezzi locali di acquisto.

Che cos’è Stable Audio

Stable Audio è una famiglia di modelli audio di Stability AI, l’azienda nota per Stable Diffusion. La prima versione è uscita a settembre 2023, la 2.0 ad aprile 2024 e la 2.5 il 10 settembre 2025. Sono stati pubblicati anche Stable Audio Open, con generazioni fino a 47 secondi, e Open Small, fino a 11 secondi.

Stable Audio 3 rappresenta un salto in avanti. Small genera audio fino a 2 minuti, mentre Medium e Large arrivano a 380 secondi, cioè 6:20. Tutti i modelli producono audio stereo a 44,1 kHz. Grazie a una fase di addestramento aggiuntiva bastano pochi passaggi, anziché decine: il workflow di ComfyUI ne usa 8.

Un limite importante: Stable Audio non canta. La documentazione specifica che i modelli non generano voci comprensibili; a volte producono soltanto «texture vocali» senza parole. Le descrizioni devono essere in inglese, la lingua usata per addestrare il modello: con altre lingue i risultati sono peggiori. Per canzoni con testo puoi provare Suno, Eleven Music o Lyria.

Quali sono le versioni di Stable Audio 3

I dati provengono dal repository di Stability su GitHub. Il blog di Stability indica 459 milioni di parametri per Small, mentre una descrizione nel repository riporta per Medium una durata di «circa 4,75 minuti» anziché 380 secondi.

Tutti i modelli supportano tre modalità:

• text-to-audio: descrivi il suono e indica la durata in secondi;
• audio-to-audio: usa una tua registrazione come punto di partenza; il parametro init_noise_level determina quanto dell’audio originale viene mantenuto;
• inpainting e continuazione: sostituisci uno o più segmenti oppure prolunga una registrazione.

È possibile anche addestrare una LoRA, cioè adattare il modello al tuo stile usando le tue registrazioni. Stability ha pubblicato per la prima volta la documentazione per questa procedura. L’addestramento avviene sui checkpoint «base» e la LoRA ottenuta si applica al modello standard. fal.ai offre un trainer già pronto (fal-ai/stable-audio-3-trainer), al costo indicato di 3 USD per 1.000 passaggi, circa 2,67 euro.

Stable Audio nella classifica di Artificial Analysis

Nella valutazione alla cieca AA-Music-Instrumental v1.1, condotta intorno al 7 ottobre 2026 su 1.000 prompt di 17 generi, i risultati sono questi:

Medium è praticamente alla pari con MiniMax Music 3.0, un modello che puoi scaricare e avviare sul tuo computer. Rimane però a oltre 140 punti di distanza da Suno v6. Stable Audio non compare nella classifica con voce perché non canta. Trovi il confronto completo nella guida Classifica dei generatori di musica AI.

Licenza: come usare la musica generata con Stable Audio

I modelli aperti sono distribuiti con la Stability AI Community License, nella versione del 5 luglio 2024. Ho esaminato il testo della licenza: questi sono i punti principali.

• Fino a 1 milione di dollari di fatturato annuo, circa 888.652 euro: puoi usare i modelli a fini commerciali senza pagare. Si considera il fatturato complessivo dell’azienda e delle entità collegate.
• Oltre 1 milione di dollari, circa 888.652 euro: serve una licenza Enterprise, che include una tutela legale (indennizzo) da parte di Stability.
• L’audio generato è tuo «nei limiti consentiti dalla legge».
• Registrazione: per l’uso commerciale devi registrarti presso Stability AI.
• Attribuzione: un prodotto o servizio realizzato con il modello deve riportare la dicitura «Powered by Stability AI», per esempio sul sito, nella documentazione o nella descrizione.
• Divieto: non puoi addestrare altri grandi modelli generativi sui risultati o sui pesi.

Il repository su Hugging Face è ad accesso controllato: prima di scaricare i file devi fornire nome, e-mail, paese e finalità d’uso. Medium include anche un encoder di testo della famiglia Gemma, quindi si applicano pure i Gemma Terms of Use. Secondo il documento tecnico, i modelli sono stati addestrati su dati concessi in licenza dalla raccolta AudioSparx e su registrazioni CC0 di Freesound: circa 1,28 milioni di registrazioni in totale. È un elemento rilevante per pubblicità e contenuti destinati ai clienti: dopo cause legate alle registrazioni usate per l’addestramento, Suno e Udio hanno raggiunto accordi con le case discografiche.

Quanto costa Stable Audio

Con l’installazione locale paghi soltanto l’elettricità. In cloud puoi usare l’applicazione, l’API di Stability o fal.ai.

Ho verificato i prezzi l’8 ottobre 2026. Il numero di brani si riferisce a un mix completo; con la generazione multitraccia, ancora sperimentale, è circa un terzo inferiore. I crediti non si trasferiscono al mese successivo. Ogni piano include anche un plugin per DAW come Ableton, Logic e Pro Tools. I vecchi piani Pro da 11,99 USD e Studio da 29,99 USD, ancora citati in molte recensioni, non sono aggiornati. Attenzione anche ai siti stableaudio3.com, stableaudio3.org e stableaudio.net: non sono servizi di Stability AI.

Prezzi per sviluppatori:

• API Stability: Stable Audio 3 costa 26 crediti per generazione (1 credito = 0,01 USD, circa 0,0089 euro; totale 0,26 USD, circa 0,231 euro), per una durata da 1 a 380 secondi. Stable Audio 2.5 costa 20 crediti. All’inizio sono disponibili 25 crediti gratuiti.
• fal.ai Medium: 0,0376 USD per clip text-to-audio, circa 0,0334 euro; inpainting 0,0442 USD, circa 0,0393 euro.
• fal.ai Large: 0,00125 USD per secondo di elaborazione sul server, circa 0,001111 euro.

Come avviare Stable Audio 3 in locale con ComfyUI

Su Windows, il modo più semplice è usare ComfyUI con il workflow ufficiale. Il repository ufficiale di Stability richiede la libreria Flash Attention 2 per Medium e propone istruzioni pensate per Linux.

1. Aggiorna ComfyUI all’ultima versione: i workflow di Stable Audio 3 sono inclusi nel pacchetto Comfy-Org/workflow_templates.
2. Scarica dal repository Comfy-Org/stable-audio-3 su Hugging Face il file stable_audio_3_medium.safetensors (9,22 GB) e copialo nella cartella models/checkpoints. Se hai un computer meno potente, scegli stable_audio_3_small_music.safetensors (2,27 GB).
3. Scarica l’encoder di testo t5gemma_b_b_ul2.safetensors (1,18 GB) nella cartella models/text_encoders.
4. Facoltativo: scarica qwen3.5_2b_bf16.safetensors da Comfy-Org/Qwen3.5. Il workflow usa questo piccolo modello linguistico per trasformare un’idea breve in una descrizione dettagliata, con le modalità Music, Instrument, SFX e One-shot.
5. In ComfyUI apri la raccolta dei workflow (Templates), vai alla sezione audio e seleziona «Stable Audio 3 Medium» (file audio_stable_audio_3_medium).
6. Inserisci una descrizione in inglese, imposta la durata in secondi (150 per impostazione predefinita) e clicca su Run. Il file MP3 verrà salvato in output/audio/stable_audio_3.

Requisiti hardware: secondo il repository di Stability, Medium occupa sulla scheda grafica da 5,07 GB per 5 secondi di audio a 6,52 GB per 380 secondi. La decodifica a blocchi riduce l’uso della memoria di oltre 1 GB. Small funziona anche solo con la CPU, pure su Mac. Il file Medium per ComfyUI pesa però 9,22 GB: ho verificato l’uso pratico della memoria sulla mia scheda; i risultati sono nella prova qui sotto.

La mia prova di Stable Audio 3

Il 3 ottobre 2026, usando Stable Audio 3 Medium tramite fal.ai, ho generato 60 secondi di base musicale in 18,7 secondi. La registrazione e il confronto con i modelli che generano voce sono nella guida Generatori di musica AI.

Prova in locale con RTX 4090, 8 ottobre 2026

Ho avviato Stable Audio 3 Medium in ComfyUI, con il file stable_audio_3_medium.safetensors da 9,22 GB e l’encoder t5gemma da 1,19 GB. Ho usato le impostazioni del workflow ufficiale: 8 passaggi, cfg 1, sampler lcm. Ho scritto personalmente il prompt in inglese, senza usare il modello aggiuntivo che nel workflow espande un’idea breve in una descrizione completa.

• Velocità notevole: con il modello già caricato in memoria, un minuto di musica viene generato in 4 secondi. Il primo avvio richiede più tempo perché carico il modello da un disco USB, a circa 44 MB/s.
• Memoria della scheda: in ComfyUI il picco è stato tra 7,9 e 11,8 GB, più dei 6,5 GB indicati nel repository, ma comunque entro i 12 GB della scheda.
• Qualità valutata da modelli AI (Gemini 3.8 Flash e Qwen 3.8 Omni Flash tramite OpenRouter, 3 registrazioni): media di 4,0/5 per il suono, 4,6 per la coerenza con lo stile e 4,0 per la musicalità. Qwen ha segnalato una batteria «inscatolata» e un motivo di chitarra ripetitivo; Gemini ha giudicato la prima base al livello di una libreria musicale.
• Nessuna voce in nessuna registrazione, come indicato nella descrizione del modello.

In questa serie di prove, Eleven Music, Lyria 3 Pro, ACE-Step e MiniMax Music hanno cantato nello stesso stile con un testo in polacco. Il test è stato svolto in polacco: non è una prova in italiano. I risultati sono nella classifica dei generatori di musica AI.

A cosa serve Stable Audio

• Basi per reel e video: genera un brano strumentale con ritmo e atmosfera specifici, poi adattalo alla durata del video.
• Effetti sonori: Small SFX e Medium creano crepitii, colpi, transizioni e ambienti sonori. In genere funziona meglio una durata breve con l’indicazione TrackType: SFX.
• Loop e sample: puoi generare singoli strumenti (TrackType: Instrument), percussioni e bassi per i tuoi beat.
• Modifica di registrazioni: audio-to-audio cambia lo stile di una bozza, mentre l’inpainting sostituisce una transizione o un segmento.

Secondo la documentazione, si ottengono risultati migliori con tag simili a quelli della libreria AudioSparx, per esempio TrackType: Music, VocalType: Instrumental, Genre: Funk, Instruments: Guitar, Saxophone, e con l’indicazione del tempo in BPM. Altri strumenti audio sono raccolti nella guida AI per la musica.

Stable Audio a confronto con le alternative

Un altro modello con pesi aperti, ACE-Step 1.5, con licenza MIT, è in grado di cantare: nella mia prova dell’8 ottobre ha pronunciato correttamente 101 parole su 104 di un testo in polacco. Il test è stato svolto in polacco e non verifica le prestazioni in italiano. Per le canzoni puoi scegliere ACE-Step o MiniMax Music 3; per le basi strumentali, Stable Audio. Leggi anche le schede di Suno, Eleven Music, Lyria, Mureka e MiniMax Music.

A chi è adatto Stable Audio

• Fa per te se monti video e reel e cerchi basi musicali senza rischiare contestazioni.
• Fa per te se hai una scheda NVIDIA e vuoi generare senza limiti e abbonamenti: puoi vedere anche la guida sull’AI in locale.
• Fa per te se crei giochi, app o suoni per interfacce e ti servono effetti.
• Non fa per te se vuoi una canzone con testo, soprattutto in italiano.
• Non fa per te se cerchi soltanto la massima qualità strumentale: in quel caso, nella classifica citata, vince Suno v6.

Il modo più semplice: Hangar

Stable Audio 3 è incluso nel catalogo di Hangar, il mio strumento per gestire modelli locali di immagini, video e musica su Windows, gratuito, senza account e senza abbonamento, con ComfyUI integrato. Puoi scegliere tra Medium (checkpoint da 9,22 GB ed encoder t5gemma da 1,19 GB, 10,4 GB in totale) e Small Music (2,27 + 1,19 GB, 3,5 GB in totale), adatto a schede meno potenti. La licenza Stability AI Community è mostrata nella scheda del modello: uso commerciale senza costi se il fatturato annuo è inferiore a 1 milione di USD, circa 888.652 euro.

1. Scarica il programma di installazione da 14 MB dalla pagina di Hangar. Non è ancora firmato digitalmente: Windows SmartScreen mostrerà un avviso. Clicca su «Ulteriori informazioni» e poi su «Esegui comunque».
2. Hangar rileva la scheda (NVIDIA con CUDA, da 8 GB di VRAM; 12 GB o più sono preferibili) e indica se il modello può essere caricato.
3. Scegli Stable Audio 3 e la variante. Hangar scarica i file da Hugging Face e ne verifica gli hash sha256.
4. Inserisci una descrizione in inglese, imposta la durata in secondi e avvia la generazione.

Nel test di Hangar su RTX 4090 del 17 ottobre 2026, con la variante Medium, la generazione di una base di 20 secondi ha richiesto 24 secondi, caricamento incluso. Programma e istruzioni sono nella pagina di Hangar.

Domande frequenti

Che cos’è Stable Audio?

È un generatore di musica ed effetti sonori di Stability AI. A partire da una descrizione in inglese crea brani strumentali, loop o effetti. La versione più recente è Stable Audio 3, pubblicata a maggio 2026 e disponibile tramite stableaudio.com, API e pesi aperti.

Come si avvia Stable Audio 3 in locale?

Il modo più semplice è ComfyUI: scarica il checkpoint Medium da 9,22 GB e l’encoder t5gemma da 1,18 GB da Comfy-Org/stable-audio-3, apri il workflow «Stable Audio 3 Medium» e inserisci una descrizione. Small Music funziona anche senza scheda grafica.

Stable Audio è gratis?

Sì, in due modi. Il piano Free su stableaudio.com include 50 crediti al mese, circa 12 brani, per uso non commerciale. Puoi anche avviare i modelli aperti Small e Medium sul tuo computer senza costi, anche a fini commerciali se il fatturato annuo è inferiore a 1 milione di USD, circa 888.652 euro.

La musica di Stable Audio si può usare a fini commerciali?

Sì. Nell’applicazione serve almeno il piano Solo, che costa 10,66 euro al mese (12 USD al mese); con i modelli aperti si applica la Community License, se l’azienda fattura meno di 1 milione di USD all’anno, circa 888.652 euro. Superata questa soglia, serve una licenza Enterprise. Il piano Free dell’app è riservato all’uso personale.

Stable Audio canta?

No. Stable Audio 3 non genera voci comprensibili; a volte crea soltanto sfondi vocali senza parole. Per canzoni con testo puoi usare Suno, Eleven Music o Lyria.

Meglio Stable Audio o Suno?

Per canzoni con voce e per la migliore musica strumentale, Suno (1140 Elo contro 1017 per Stable Audio 3 Large). Per lavorare in locale, creare effetti sonori, modificare segmenti e usare LoRA personalizzate, Stable Audio.

Qual è il miglior generatore AI di basi musicali?

Per qualità, nella modalità strumentale è in testa Suno v6. Per generare localmente senza limiti e senza costi d’uso, puoi scegliere Stable Audio 3 Medium; tramite API, una clip costa 0,0334 euro (0,0376 USD) su fal.ai. Il confronto completo è nella guida Generatori di musica AI.

Fonti e data di verifica

• Stability AI: presentazione di Stable Audio 3.0 (20.05.2026).
• GitHub Stability-AI/stable-audio-3: tabella dei modelli, misurazioni VRAM, guida ai prompt, architettura e dati; verificato l’8.10.2026.
• Documento tecnico su Stable Audio 3 (arXiv, 18.05.2026).
• Hugging Face: stable-audio-3-medium e Comfy-Org/stable-audio-3; verificati l’8.10.2026.
• Stability AI Community License (versione del 5.07.2024).
• Prezzi di stableaudio.com e prezzi dell’API Stability; verificati l’8.10.2026.
• fal.ai: Stable Audio 3 Medium e trainer LoRA; verificati l’8.10.2026.
• Artificial Analysis: classifica strumentale (v1.1, circa 7.10.2026).
• Stability AI: Stable Audio 2.5 (10.09.2025).
• Prova personale del 3.10.2026 tramite fal.ai; dettagli nella guida Generatori di musica AI.

// continua a leggereVoice Isolator ElevenLabs: rimuovere rumore da audioMagazineQuale AI per la musica da video? Eleven Music, Stable Audio o SunoStrumenti IAGPT-6 Sol e Luna: guida completa, prezzi e testMagazine

Kinetyra