Kurze Antwort: Stable Audio 3 Medium macht instrumentale Musik und Soundeffekte bis zu 380 Sekunden für $0.035 eine Anfrage in beliebiger Länge; Stable Audio 2.5 erstellt die gleichen Arten von Clips bis zu 190 Sekunden für $0.68 eine Anfrage; ACE-Step 1.5 XL ist das für Songs mit gesungenen Texten, von 10 bis 240 Sekunden bei $0.00025 pro Sekunde ($0.0075 für 30 Sekunden). Hör dir die untenstehenden Clips an und wähle nach dem Sound, den du brauchst. Alle drei laufen auf EmpirioLabs über eine API.
Specs auf einen Blick
| Stable Audio 3 Medium | Stable Audio 2.5 | ACE-Step 1.5 XL | |
|---|---|---|---|
| Preis | $0.035 auf Anfrage | $0.68 auf Anfrage | $0.00025 pro Sekunde |
| Ein 30-sekündiger Clip kostet | $0.035 | $0.68 | $0.0075 |
| Länge | 1 bis 380 Sekunden | 1 bis 190 Sekunden | 10 bis 240 Sekunden |
| Gesungene Liedtexte | Nein | Nein | Ja |
| Soundeffekte | Ja | Ja | Nein (Musik) |
| Formate | MP3, WAV, FLAC, Ogg | MP3, WAV | FLAC, WAV, Ogg, MP3 |
Wie wir es geführt haben
Jedes Modell bekam dieselben Prompts, jeweils One-Shot, mit demselben Seed (20261024) und seinen Standardeinstellungen, über POST /v1/audio/generations am 24. Oktober 2026. ACE-Step 1.5 XL spielte den Beat als Instrumentalstück ("Liedtext": "[instrumental]") und den Soundeffekt übersprungen, was nicht der Zweck ist. Kein Ergebnis wurde erneut versucht oder ausgewählt.
Prompt 1: ein 30-sekündiger Lo-Fi-Beat
Warmer Lo-Fi-Hip-Hop-Beat mit sanftem Rhodes-Klavier, Vinyl-Knistern, sanftem Bass und gebürsteten Drums, 85 BPM
Stable Audio 3 Medium
Stable Audio 2.5
ACE-Step 1.5 XL
Prompt 2: ein 10-sekündiger Soundeffekt
Eine Dampflok, die durch einen Bahnhof fährt: nähert sich schnaubend, ein langes Pfeifen, quietschende Bremsen, dann verklingt es wieder
Stable Audio 3 Medium
Stable Audio 2.5
Wann sollte man beide verwenden
- Stable Audio 3 Medium Für instrumentale Tracks und Soundeffekte, besonders lange: Ein sechsminütiger Track kostet mehr als ein zehnsekündiger.
- Stable Audio 2.5 Wenn man bereits darauf aufbaut, reichen Clips bis zu 190 Sekunden.
- ACE-Step 1.5 XL für Lieder mit gesungenen Texten, nach Sekunde belegt.
Generiere sie auf EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/generations \ -H "Autorisierung: Träger $EMPIRIOLABS_API_KEY" \ -H "Inhaltstyp: application/json" \ -d '{ "model": "stable-audio-3-medium", "prompt": "Warmer Lo-Fi-Hip-Hop-Beat mit sanftem Rhodes-Klavier, Vinylknistern, sanftem Bass und gebürsteten Drums, 85 BPM", "Duration": 30 }'Die Antwort lautet ein job id Zur Abstimmung bei KOMM /v1/jobs/{job_id}. Veränderung modell zu stable-audio-2-5 oder ace-step-1-5-xl um denselben Prompt auf einem anderen Modell auszuführen; jede Modellseite listet ihre eigenen Steuerelemente auf.
Häufig gestellte Fragen
Welche macht die längsten Clips?
Stable Audio 3 Medium, bis zu 380 Sekunden in einer Anfrage.
Wer singt den Text?
ACE-Step 1.5 XL. Beide Stable Audio-Modelle machen instrumentale Musik und Soundeffekte.
Kostet ein längerer Clip mehr?
Nicht bei den Stable Audio-Modellen, die pro Anfrage bepreist werden. ACE-Step 1.5 XL wird pro Sekunde Audio bepreist.
Probier es mal
Playground | Modelle | Preisgestaltung
Stable Audio 3 Medium und Stable Audio 2.5 sind Stability AI-Modelle. Angetrieben von Stability AI.
