Stable Audio

[採用判断] 2026年半ばのコミュニティテストやチュートリアルから、Stable Audio 3 は実際のローカル利用段階に達しつつあり、LoRAカスタマイズやクロスプラットフォーム展開の実証が進んでいます。ただし長尺音声の安定性にはさらなる実用検証が必要です。 [実用機能] テキストから音楽や効果音を生成、長さ調節可能（Small 約2分、Medium 最大6分20秒）、専用SFXモデル、音声編集・補完、かつLoRAで個人スタイルの微調整が可能。出力はライセンスデータで訓練されており、ユーザーが完全に所有し商用利用可能です。 [導入障壁とコスト] モデル重みはオープンソース（公式・コミュニティ発表）、MacBook Mシリーズ（コミュニティ実証：M5 Proで59倍リアルタイム）やCPUのみの環境でも稼働（ワンクリックランチャー）。コストは自前ハードのみで生成制限なし。オンラインAPIの価格は未公表（保守的に、オープンモデル自体は無料）。 [対象ユーザー] カスタマイズ可能で著作権的に安全な音声を必要とするインディーズミュージシャン、動画制作者、ゲーム開発者など、ある程度の技術操作ができるクリエイター向け。完全初心者やワンクリックツールを求める人、Sunoのような歌声付き楽曲生成ツールを期待する人には不向きです。むしろ「音声版 Stable Diffusion」としてのオープンな基盤モデル＋ツールキットです。