简短回答： 稳定音频3 Medium 可为任意长度的点播制作器乐音乐和音效，时长可达380秒$0.035; 稳定音频 2.5 为请求制作最长190秒的相同类型的片段$0.68; ACE-Step 1.5 XL 是带有歌词的歌曲，时长从10秒到240秒，每秒$0.00025（$0.0075为30秒）。请听下面的片段，根据你需要的声音选择。这三种都通过一个API运行EmpirioLabs。
规格一览
| 稳定音频3 Medium | 稳定音频 2.5 | ACE-Step 1.5 XL | |
|---|---|---|---|
| 价格 | 每个请求$0.035 | 每个请求$0.68 | 每秒$0.00025 |
| 30秒的片段费用 | $0.035 | $0.68 | $0.0075 |
| 长度 | 1到380秒 | 1到190秒 | 10到240秒 |
| 歌词演唱 | 不 | 不 | 是的 |
| 音效 | 是的 | 是的 | 不（音乐） |
| 赛制 | MP3、WAV、FLAC、Ogg | MP3，WAV | FLAC、WAV、Ogg、MP3 |
我们的运行方式
每个模型都收到相同的提示，每个人一次，使用相同的种子（20261024）和默认设置，通过 /v1/audio/generations后 于2026年10月24日发行。ACE-Step 1.5 XL将该节拍作为纯器乐演奏（“歌词”：“[器乐]”）并且跳过了音效，这并不是它的用途。没有重新尝试或选取任何结果。
提示1：一个30秒的低保真节拍
温暖的低保真嘻哈节拍，配以柔和的Rhodes钢琴、黑胶爆裂声、柔和的贝斯和刷刷鼓点，85 BPM
稳定音频3 Medium
稳定音频 2.5
ACE-Step 1.5 XL
提示2：一个10秒的音效
一列蒸汽火车驶过车站：呼噜声接近，长长的汽笛声，刹车尖叫，然后渐渐消失
稳定音频3 Medium
稳定音频 2.5
何时使用每种
- 稳定音频3 Medium 对于器乐曲目和音效，尤其是长音轨：六分钟的曲目成本相当于十秒的音效。
- 稳定音频 2.5 当你已经在它基础上构建，190秒的剪辑就足够了。
- ACE-Step 1.5 XL 为带有歌词的歌曲提供按秒计价的歌曲。
在 EmpirioLabs 上生成它们
curl https://api.empiriolabs.ai/v1/audio/generations \ -h “授权：持有者 $EMPIRIOLABS_API_KEY” \ -h “内容类型：application/json” \ -d '{ “型号”：“stable-audio-3-medium”，“提示词：”温暖的低保真嘻哈节拍，配以柔和的罗兹钢琴、黑胶爆裂声、柔和贝斯和刷子鼓，85 BPM“，”时长“：30 }'回应是 任务(d) 投票地点 快/v1/jobs/{job_id}.变化 模型 到 stable-audio-2-5 或 ace-step-1-5-xl 在另一个模型上运行相同提示;每个模型页面列出自己的控件。
常见问题解答
哪家做的卡夹最长？
稳定音频3中介，单次请求最多380秒。
谁唱歌词？
ACE-Step 1.5 XL。这两款稳定音频型号都能制作器乐音乐和音效。
更长的弹夹会贵吗？
Stable Audio 型号则不是按请求定价。ACE-Step 1.5 XL 是按音频每秒计价。
试试看吧
Playground | 模型 | 定价
Stable Audio 3 Medium 和 Stable Audio 2.5 是 Stability AI 模型。由 Stability AI 驱动。
