Stability AI lança nova geração de modelos de áudio capazes de criar músicas de seis minutos

A Stability AI, conhecida pelo gerador de imagens Stable Diffusion, apresentou uma nova família de modelos de áudio chamada Stability Audio 3, voltada para criação automática de músicas de longa duração. Segundo a empresa, o modelo mais avançado é capaz de produzir faixas com mais de seis minutos em qualidade considerada profissional.

A linha Stability Audio 3 inclui quatro modelos principais com diferentes tamanhos e usos previstos. Estão nessa lista o small SFX e o small, ambos com 459 milhões de parâmetros, além das versões medium com 1,4 bilhão de parâmetros e large com 2,7 bilhões de parâmetros.

As duas variantes menores foram pensadas para funcionar diretamente em dispositivos, permitindo gerar efeitos sonoros e trilhas musicais de até dois minutos sem depender de infraestrutura na nuvem. Já os modelos medium e large conseguem criar composições completas de até seis minutos e vinte segundos, mantendo estrutura musical coerente e temas melódicos ao longo de toda a faixa.

De acordo com a empresa, isso representa um salto importante em relação ao Stability Audio 2 lançado em 2024, que conseguia produzir trechos significativamente mais curtos. A Stability AI também destaca que a nova geração supera o Stable Audio Open, liberado em 2024 com foco em criações de até 47 segundos.

Na nova leva, os modelos small SFX, small e medium são disponibilizados com pesos abertos, permitindo que desenvolvedores e pesquisadores utilizem, ajustem e integrem essas redes em seus próprios produtos. A versão large, por outro lado, fica restrita a acesso por API e a opções pagas de auto hospedagem, com exigência de licença empresarial para companhias com faturamento superior a um milhão de dólares.

A Stability AI atua em um mercado que vem recebendo forte atenção de gigantes da tecnologia e de startups focadas em áudio gerado por inteligência artificial. Empresas como Google e ElevenLabs já lançaram seus próprios sistemas de criação musical, enquanto outras plataformas enfrentam disputas judiciais sobre o uso de gravações comerciais no treinamento de modelos.

Para se diferenciar nesse cenário, a Stability AI enfatiza que os novos modelos foram treinados com dados totalmente licenciados. A companhia firmou acordos com gravadoras como Warner Music Group e Universal Music Group, o que permite explorar faixas de catálogo em parceria com a indústria fonográfica e tenta reduzir o risco de conflitos sobre direitos autorais.

Além dos modelos, a empresa trabalha em um conjunto de produtos voltados a músicos profissionais, ainda sem detalhes públicos sobre recursos e preços. Para liderar esse braço de negócios, a Stability AI trouxe Ethan Kaplan, que já atuou como executivo em empresas de áudio e instrumentos musicais, reforçando o esforço para dialogar diretamente com o mercado musical.