Stability AI lanza Stability Audio 3.0 con generación de canciones de hasta seis minutos

La Stability AI, conocida por Stable Diffusion, acaba de lanzar el Stability Audio 3.0, una familia de modelos de audio que rompe la barrera de los seis minutos de generación musical continua. El nuevo sistema dobla la capacidad de la versión anterior (Stable Audio 2.0) y ya está disponible tanto en versión web como en modelos reducidos para dispositivos locales.

¿Qué cambia con Stability Audio 3.0?

La principal novedad es la duración máxima de generación: seis minutos de audio con calidad profesional. En la práctica, los creadores ahora pueden producir pistas completas, jingles o pistas sonoras largas sin necesidad de editar múltiples salidas. El modelo también soporta condicionamiento por audio de referencia, permitiendo que el usuario proporcione un tramo musical para inspirar el estilo. Además, la Stability AI entrenó modelos menores, llamados "Stable Audio 3.0 Light", que ruedan en GPUs de consumo, democratizando el acceso.

¿Cómo Stability Audio 3.0 genera audio de larga duración?

Según el anuncio original de TechCrunch, Stability Audio 3.0 utiliza una arquitectura latente de difusión específica para audio, optimizada para coherencia temporal en escalas largas. El modelo es entrenado en millones de pistas con licencia y entiende prompts textuales descriptivos (por ejemplo, "guitarra acústica melancólica con ritmo lento y climático"). Para garantizar consistencia, el generador mantiene una estructura narrativa musical, evitando repeticiones o quiebras bruscas.

¿Por qué Stability Audio 3.0 importa para creadores brasileños?

Productores musicales, creadores de contenido y desarrolladores de juegos independientes en Brasil ahora tienen acceso a una herramienta de IA que puede acelerar la prototipación de pistas sonoras completas. Mientras gigantes como Google lanzan modelos multimodales como el Gemini 3.5 Flash, la Stability AI se enfoca en nicho vertical — y el soporte a prompts en inglés (con posibilidad de adaptación para portugués) convierte la herramienta viable para estudios caseros. La versión Light, en particular, elimina la dependencia de nube para generación local, crucial en regiones con conectividad limitada.

¿Qué versiones de Stability Audio 3.0 están disponibles?

Stability AI ofrece Stability Audio 3.0 en dos modalidades: la versión completa por la API web (con capacidad máxima y calidad premium) y los modelos "Light" (disponibles para descargar en Hugging Face). Los modelos ligeros pueden generar hasta tres minutos de audio con calidad reducida, pero ruedan en GPUs con 8 GB de VRAM. Los precios aún no han sido divulgados, pero la versión anterior cobraba por créditos de generación, el nuevo modelo debe seguir un modelo similar.

Preguntas frecuentes sobre Stability Audio 3.0

¿Es gratuito Stability Audio 3.0?

No en el momento. Stability AI adopta un modelo de recaudación por créditos para la API web y ofrece versiones ligeras gratuitas para uso no comercial vía Hugging Face.

¿Es posible generar música con voz?

Sí, el modelo acepta prompts que describen vocales (como "voz femenina soul" o "rap masculino agresivo") y es capaz de sintetizar letras cantadas, aunque la calidad depende de la complejidad del prompt.

¿El modelo entiende órdenes en portugués?

Stability Audio 3.0 fue entrenado mayoritariamente en inglés, pero responde razonablemente bien a descripciones en portugués cuando los términos musicales son universales. Para mejores resultados, se recomienda utilizar prompts en inglés.