Stable Audio 能帮你完成什么工作
下面是根据工具能力整理的操作建议，输入、交付标准和人工核对由你确定。
场景 01 · 需要沟通配乐想法的视频创作者为一段粗剪建立配乐方向
- 先准备
- 粗剪时长、情绪变化、乐器方向和节奏要求。
- 怎么做
- 编辑建议：把画面需求转为文字描述，先生成配乐草稿，再放回剪辑软件对照镜头调整。
- 得到什么
- 便于讨论的器乐配乐候选。
- 使用建议
- 检查强弱变化与对白冲突；具体镜头切点需要人工安排，不能假设模型看过画面。
查看操作流程示意
场景 02 · 已有可用音轨的声音创作者保留主体并改掉不合适的一段
- 先准备
- 现有素材、要改的时间区间和希望变化的方向。
- 怎么做
- 编辑建议：先记录待改片段，进行局部重生成，比较连接处与整体和声，再决定保留哪个版本。
- 得到什么
- 仅针对目标片段的替代候选。
- 使用建议
- 检查节拍衔接、音色突变和结束边界，保留原版本方便回退。
场景 03 · 会使用基本混音操作的创作者尝试一个分轨编配草图
- 先准备
- 乐器分工、速度、调性和希望突出的人声或旁白空间。
- 怎么做
- 编辑建议：以实验性分轨生成起步，分别独奏与静音检查声部，再调音量或重做不合适的轨道。
- 得到什么
- 可以继续在音频软件中处理的编配草稿。
- 使用建议
- 检查独立生成的声部是否真的对齐；相同速度和调性描述不等于天然同步。
Stable Audio 软件界面
官方混音教程中的四轨工作区：左侧用提示调整声部，中间查看轨道与波形，右侧设置效果器，底部控制播放。
Stable Audio 是什么
当前网页指南区分 FULL MIX 和实验性的 MULTI-TRACK：前者生成一条混合音轨，后者把编配分为多个部分，便于单独调整。
编辑建议：先把情绪、乐器、速度与时长写清楚，把输出当作可以继续编辑的配乐草稿，而非自动完成画面同步的成品。
Stable Audio 的主要功能
选择单条混音或实验性分轨
FULL MIX 生成一条完成混合的音轨；MULTI-TRACK 会规划不同声部并分轨生成，方便分别试听和调整，但可能偏离提示的字面要求。
只重做不合适的局部
局部重生成可以替换指定时间段，延长则在原轨末尾继续生成，适合保留其余已经满意的部分。
继续处理混音和已有素材
网页工作区提供音量、声像、静音、独奏等控制；普通编辑和导出与生成新声音是不同操作。
围绕器乐和音效组织声音
Stable Audio 3.0 的重点是器乐与音效，官方说明它不面向可理解歌词或语音生成。需要演唱和旁白时应另外安排。
如何开始使用 Stable Audio
写具体的声音描述
明确音乐类型、乐器、速度、情绪与用途，先选择容易比较的短片段。
选择混音模式并生成
先用 FULL MIX 获得基线；需要分别处理声部时再尝试 MULTI-TRACK，并把它视为实验流程。
针对问题选择编辑方式
普通混音可调整已有声音；要改变内容时再重生成单轨、替换片段或延长，并检查点数余额。
回到实际项目试听
导出后放入视频或音频工程，检查长度、对白空间和切点；商业交付前按所用入口确认当前使用条款。
费用与使用条件
不负责理解视频镜头
官方说明 Stable Audio 3.0 依据文字与时长生成，不读取视频来判断动作落点；精确画面同步仍需在剪辑或音频软件处理。
分轨对齐与质量需要检查
实验分轨不能被当成稳定交付保证。分别生成的部分可能不自动对齐，需要核对速度、调性与实际节拍。
生成与编辑的点数条件不同
新增、重生成、替换或延长会生成新音频，涉及点数；对已有素材的普通混音、编辑和导出另有规则。以当前工作区提示核对。
器乐能力不等于歌词演唱
官方说明该模型系列不面向清晰的人声或歌词生成。项目需要可理解演唱内容时，不能仅靠器乐生成流程完成。
Stable Audio 常见问题
想要有歌词的歌曲适合直接用它吗？
Stable Audio 3.0 重点是器乐和音效，官方不把清晰歌词演唱作为其目标能力。
只有四小节不合适，需要整首重做吗？
可以针对指定时间范围进行局部重生成，再检查修改段和前后的衔接。
分轨生成能保证各声部完美同步吗？
不能这样保证。官方将相关网页能力标为实验性，独立生成的声部需要实际核对节拍和调性。
调节音量和重新生成都会扣相同点数吗？
它们是不同操作。网页指南把生成新声音与处理已有素材分开说明，实际操作前查看当前点数提示。
