Respuesta corta: Stable Audio 3 Medium hace música instrumental y efectos de sonido de hasta 380 segundos para $0.035 una petición en cualquier duración; Audio estable 2.5 hace que los mismos tipos de clips duren hasta 190 segundos para $0.68 una petición; ACE-Step 1.5 XL es el que corresponde a canciones con letra cantada, de 10 a 240 segundos a $0.00025 por segundo ($0.0075 durante 30 segundos). Escucha los clips de abajo y elige por el sonido que necesitas. Los tres funcionan en EmpirioLabs a través de una sola API.
Especificaciones de un vistazo
| Stable Audio 3 Medium | Audio estable 2.5 | ACE-Step 1.5 XL | |
|---|---|---|---|
| Precio | $0.035 por petición | $0.68 por petición | $0.00025 por segundo |
| Un clip de 30 segundos cuesta | $0.035 | $0.68 | $0.0075 |
| Longitud | 1 a 380 segundos | 1 a 190 segundos | 10 a 240 segundos |
| Letra cantada | No | No | Sí |
| Efectos de sonido | Sí | Sí | No (música) |
| Formatos | MP3, WAV, FLAC, Ogg | MP3, WAV | FLAC, WAV, Ogg, MP3 |
Cómo lo gestionamos
Cada modelo recibía las mismas indicaciones, una sesión cada uno, con la misma semilla (20261024) y sus ajustes por defecto, a través de DESPUÉS /v1/audio/generations el 24 de octubre de 2026. ACE-Step 1.5 XL emitió el ritmo como instrumental ("letra": "[instrumental]") y saltó el efecto de sonido, que no es para lo que sirve. No se volvió a probar ni seleccionó ningún resultado.
Prompt 1: un ritmo lo-fi de 30 segundos
Ritmo cálido de hip hop lo-fi con suave piano Rhodes, crujidos de vinilo, bajo suave y batería con cepillos, 85 BPM
Stable Audio 3 Medium
Audio estable 2.5
ACE-Step 1.5 XL
Prompt 2: un efecto de sonido de 10 segundos
Un tren de vapor pasando por una estación: acercándose bufando, un largo silbido, frenos chirriando y luego desvaneciéndose
Stable Audio 3 Medium
Audio estable 2.5
Cuándo usar cada uno
- Stable Audio 3 Medium Para pistas instrumentales y efectos de sonido, especialmente los largos: una pista de seis minutos cuesta lo que una de diez segundos.
- Audio estable 2.5 Cuando ya construyes sobre ella, los clips de hasta 190 segundos son suficientes.
- ACE-Step 1.5 XL para canciones con letras cantadas, con precio por segundo.
Generalos en EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/generations \ -H "Autorización: Portador $EMPIRIOLABS_API_KEY" \ -H "Tipo-Contenido: application/json" \ -d '{ "modelo": "stable-audio-3-medium", "prompt": "Ritmo cálido de hip hop lo-fi con suave piano Rhodes, crackle de vinilo, bajo suave y batería cepillada, 85 BPM", "duración": 30 }'La respuesta es una job id para encuestar en ¡QUE /v1/jobs/{job_id}. Cambio modelo a stable-audio-2-5 o ace-step-1-5-xl para ejecutar el mismo prompt en otro modelo; cada página de modelo lista sus propios controles.
Preguntas frecuentes
¿Cuál hace los clips más largos?
Stable Audio 3 Medium, hasta 380 segundos en una sola petición.
¿Cuál canta la letra?
ACE-Step 1.5 XL. Ambos modelos de Stable Audio producen música instrumental y efectos de sonido.
¿Cuesta más un clip largo?
No en los modelos Stable Audio, que tienen precio por solicitud. ACE-Step 1.5 XL tiene precio por segundo de audio.
Pruébalo
Playground Silencio Modelos Silencio Precios
Stable Audio 3 Medium y Stable Audio 2.5 son modelos de Stability AI. Impulsados por Stability AI.
