Stable Audio 3.0: música IA de 6 min com pesos abertos

O problema de sempre: música IA que não dura

Se você já tentou gerar música com IA, sabe a frustração. As ferramentas entregam loops de 10 segundos ou no máximo 30 segundos. Para criar uma faixa completa, você precisa colar dezenas de trechos, e o resultado raramente soa coeso. E aí tem o medo de usar dados não licenciados e levar um processo. A Stability AI acaba de lançar o Stable Audio 3.0, e pelo que mostram, ataca esses dois pontos.

O fato: três modelos open weights e um premium

A Stability AI lançou quatro variantes do Stable Audio 3.0. Três delas são open weights, disponíveis no Hugging Face. A maior, com 2.7 bilhões de parâmetros, fica só na API e para clientes enterprise. Todas foram treinadas exclusivamente com dados licenciados, graças a parcerias com Universal Music Group e Warner Music Group.

As variantes Small SFX e Small têm 459 milhões de parâmetros e geram até 2 minutos de áudio em 0.44 segundos numa H200. A Medium, com 1.4 bilhão de parâmetros, vai até 6 minutos e 20 segundos em 1.31 segundos. A Large é a mais musical, mas você não pode baixar os pesos.

Como funciona na prática

A arquitetura nova usa um autoencoder semântico-acústico, permitindo geração com comprimento variável e controle no nível de segundos. Diferente dos modelos anteriores que cravavam um limite duro, o Stable Audio 3.0 gera em tempo real e você pode pedir qualquer duração até o máximo de cada variante.

O modelo Small é o único que roda completamente no dispositivo, offline, sem limites de sample. Para comparação: o Stable Audio Open Small parava em 11 segundos; o Open original em 47. Aqui você tem 2 minutos no celular ou laptop. A Stability também liberou documentação de LoRA para fine-tuning com seus próprios áudios.

Outra funcionalidade é inpainting: você edita segmentos específicos da faixa, modifica várias seções de uma vez ou estende a música além do fim original (continuação causal). Isso é útil para ajustar arranjos sem regerar tudo.

O que muda na prática

• Quem ganha: criadores de conteúdo que precisam de trilhas longas e consistentes sem depender de bibliotecas caras. Músicos independentes que querem experimentar com fine-tuning. Empresas com faturamento até 1 milhão de dólares usam de graça e podem comercializar as músicas geradas.
• Quem perde: plataformas de stock music que cobram por faixa. Concorrentes que usam dados não licenciados e agora ficam expostos a riscos legais. Usuários que esperavam open weights do modelo Large.
• Ação prática: se você tem uma biblioteca de áudio própria, baixe os pesos do Medium e tente fine-tuning com LoRA. Teste os limites de duração e a consistência musical. Se precisar de alta qualidade musical, avalie a API ou parceiros como fal.ai.

Tensão: escala? custo? liberdade?

O modelo Small é leve e roda local, mas a qualidade musical é limitada. O Medium já entrega 6 minutos, mas com 1.4 bilhão de parâmetros, inferência em H200 leva 1.3 segundos – em hardware consumer, vai pesar. O fine-tuning com LoRA é promissor, mas ainda não sabemos como se comporta com datasets variados. E aí fica a dúvida: vale a pena depender de pesos abertos que podem ser restringidos em versões futuras? A Stability já mudou de rumo antes, saindo de imagens para áudio. A licença comunitária é generosa até 1 milhão de dólares, mas depois disso você precisa negociar e pagar. Para startups em crescimento, isso pode ser um gargalo.

Conclusão

O Stable Audio 3.0 é um passo concreto para música IA utilizável de verdade: durações relevantes, dados limpos e controle fino. A dúvida é se a Stability AI conseguirá manter a abertura e o licenciamento que promete sem sufocar financeiramente. Por enquanto, vale testar os pesos e ver se a qualidade musical acompanha o hype.