Stable Audio 3 : musique AI, licence, prix et test ComfyUI

👁 118 lectures

Stable Audio est un générateur de musique et d’effets sonores développé par Stability AI. La gamme Stable Audio 3 (mai 2026) produit des morceaux instrumentaux et des bruitages durant jusqu’à 6 minutes et 20 secondes, mais ne génère pas de chant avec paroles. Trois des quatre modèles proposent des poids ouverts (open weights), ce qui permet de les exécuter gratuitement en local sur votre ordinateur, y compris pour un usage commercial si votre entreprise réalise moins de 1 million de dollars de chiffre d’affaires par an.

Qu’est-ce que Stable Audio ?

Stable Audio est une famille de modèles génératifs audio conçue par Stability AI, l’éditeur réputé pour Stable Diffusion. La première version est sortie en septembre 2023, la version 2.0 en avril 2024 et la version 2.5 le 10 septembre 2025. Des versions ouvertes plus courtes existaient également : Stable Audio Open (jusqu’à 47 s) et Open Small (11 s).

Stable Audio 3 marque une avancée technique majeure. Le modèle Small génère jusqu’à 2 minutes de son, tandis que Medium et Large atteignent 380 secondes, soit 6 minutes et 20 secondes. Chaque modèle restitue un son stéréo à 44,1 kHz. Grâce à une étape d’entraînement optimisée, ils ne demandent qu’une poignée d’étapes d’échantillonnage au lieu de plusieurs dizaines - le modèle de workflow ComfyUI en utilise 8.

Une limite capitale est à souligner : Stable Audio ne chante pas. La documentation technique précise expressément que ces modèles ne produisent aucune voix intelligible, se contentant parfois de « textures vocales » dépourvues de mots. Les invites textuelles (prompts) doivent être rédigées en anglais, langue d’entraînement du modèle, les autres langues offrant des résultats nettement moins cohérents. Si vous cherchez des morceaux complets avec des paroles, tournez-vous plutôt vers Suno, Eleven Music ou Lyria.

Les différentes versions de Stable Audio 3

Ces données proviennent du dépôt officiel de Stability sur GitHub. L’article de blog de Stability indique 459 millions de paramètres pour la déclinaison Small, et une description du dépôt mentionne « environ 4,75 min » pour Medium au lieu des 380 secondes réelles.

Tous les modèles gèrent trois modes opérationnels :

• Text-to-audio : une consigne textuelle descriptive et une durée cible en secondes,
• Audio-to-audio : votre propre piste audio comme amorce, le paramètre init_noise_level régissant le niveau de fidélité au signal de départ,
• Inpainting et continuation : remplacement d’un segment ciblé (même plusieurs zones en simultané) ou prolongement d’un enregistrement existant.

À cela s’ajoute l’entraînement de LoRA pour adapter le modèle à vos propres créations sonores. Stability a mis à disposition un guide technique officiel à ce sujet. L’apprentissage s’effectue sur les checkpoints dits « base », puis le fichier LoRA obtenu est appliqué sur le modèle standard. fal.ai met à disposition un module clé en main (fal-ai/stable-audio-3-trainer) affiché à environ 2,68 € (3 USD) pour 1 000 étapes (taux BCE du 12/10/2026 : 1 EUR = 1,1181 USD).

Performances dans le classement Artificial Analysis

Dans l’évaluation à l’aveugle AA-Music-Instrumental v1.1 (relevé du 7 octobre 2026 environ, basé sur 1 000 prompts couvrant 17 genres musicaux), la hiérarchie s’établit ainsi :

Le modèle Medium égale presque le niveau de MiniMax Music 3.0, tout en ayant l’avantage d’être installable librement sur votre propre matériel. Il accuse néanmoins plus de 140 points de retard face à Suno v6. Stable Audio n’apparaît logiquement pas dans le classement vocal faute de pouvoir générer du chant. Retrouvez l’analyse globale dans notre comparatif dédié : Classement des générateurs de musique IA.

Licence : que permet l’exploitation commerciale ?

Les versions ouvertes reposent sur la Stability AI Community License (version du 5 juillet 2024). Voici les clauses clés stipulées par l’accord :

• Jusqu’à 1 million USD de chiffre d’affaires annuel : vous pouvez utiliser les modèles commercialement sans verser de redevance. Ce seuil regroupe les revenus consolidés de l’entreprise et de ses entités affiliées.
• Au-delà de 1 million USD : une licence Enterprise devient obligatoire ; elle intègre une garantie d’indemnisation juridique fournie par Stability.
• Propriété du fichier généré : les pistes créées vous appartiennent « dans la mesure permise par la législation applicable ».
• Enregistrement préalable : tout usage commercial requiert une déclaration d’enregistrement auprès de Stability AI.
• Attribution : tout produit ou service s’appuyant sur le modèle doit mentionner la mention visible « Powered by Stability AI » (sur le site web, dans la documentation ou la fiche descriptive).
• Interdiction : défense d’exploiter les poids ou les sorties sonores pour entraîner d’autres modèles génératifs concurrents de grande taille.

Le dépôt Hugging Face applique un accès restreint (gated) : vous devez indiquer nom, adresse e-mail, pays et cas d’usage avant de lancer le téléchargement. Medium intégrant l’encodeur de texte de la famille Gemma, les Gemma Terms of Use s’appliquent en parallèle. Les modèles ont été entraînés à partir du catalogue sous licence d’AudioSparx ainsi que sur des sons sous licence CC0 issus de Freesound, totalisant environ 1,28 million d’enregistrements d’après le document de recherche. Il s’agit d’un avantage sérieux pour les agences et créateurs de contenu publicitaire, alors que Suno et Udio affrontent les majors du disque devant les tribunaux pour l’usage de données protégées.

Combien coûte Stable Audio ?

En utilisation locale, l’outil ne vous coûte que l’électricité consommée par votre machine. Côté cloud, vous disposez de l’application officielle, de l’API Stability ou de la plateforme fal.ai.

Note sur la conversion monétaire : les montants en euros ci-dessous sont des estimations calculées selon le taux de référence de la Banque centrale européenne du 12 octobre 2026 (1 EUR = 1,1181 USD ; source : BCE). Les montants originaux en USD sont indiqués entre parenthèses.

Grille tarifaire vérifiée le 8 octobre 2026. Le nombre de pistes correspond à un mix complet ; la génération en multipiste (stems, encore expérimentale) consomme environ un tiers de crédits supplémentaires. Les crédits non utilisés ne sont pas reportés d’un mois sur l’autre. Tous les forfaits payants fournissent un plugin DAW compatible Ableton, Logic et Pro Tools. Les anciennes formules Pro à 11,99 USD et Studio à 29,99 USD visibles sur d’anciens comparatifs ne sont plus en vigueur. Méfiez-vous également des adresses non officielles telles que stableaudio3.com, stableaudio3.org ou stableaudio.net, qui ne dépendent pas de Stability AI.

Tarification pour les développeurs :

• API Stability : Stable Audio 3 requiert 26 crédits par requête (1 crédit = 0,01 USD, soit environ 0,23 € / 0,26 USD) pour une durée de 1 à 380 s. Stable Audio 2.5 coûte 20 crédits. 25 crédits gratuits sont offerts à l’inscription.
• fal.ai Medium : environ 0,0336 € (0,0376 USD) par génération text-to-audio ; inpainting à environ 0,0395 € (0,0442 USD).
• fal.ai Large : environ 0,00112 € (0,00125 USD) par seconde d’utilisation du serveur.

Comment installer Stable Audio 3 en local avec ComfyUI

Sous Windows, le moyen le plus simple reste d’utiliser ComfyUI avec le workflow officiel. La documentation native de Stability impose la bibliothèque Flash Attention 2 pour Medium et cible principalement un environnement Linux.

1. Mettez à jour ComfyUI vers la version la plus récente (les workflows Stable Audio 3 figurent dans Comfy-Org/workflow_templates).
2. Depuis le dépôt Hugging Face Comfy-Org/stable-audio-3, téléchargez le fichier stable_audio_3_medium.safetensors (9,22 Go) dans votre répertoire models/checkpoints. Pour une machine modeste, optez pour stable_audio_3_small_music.safetensors (2,27 Go).
3. Placez l’encodeur de texte t5gemma_b_b_ul2.safetensors (1,18 Go) dans le dossier models/text_encoders.
4. Optionnel : récupérez qwen3.5_2b_bf16.safetensors sur Comfy-Org/Qwen3.5. Le workflow s’appuie sur ce petit modèle linguistique pour transformer une courte directive en un prompt musical détaillé (modes Music, Instrument, SFX, One-shot).
5. Dans ComfyUI, ouvrez le panneau des modèles (Templates), parcourez la section audio et chargez « Stable Audio 3 Medium » (fichier audio_stable_audio_3_medium).
6. Rédigez votre consigne descriptive en anglais, paramétrez la durée désirée en secondes (150 par défaut) puis cliquez sur Run. Le fichier MP3 est exporté dans output/audio/stable_audio_3.

Configuration minimale : d’après les chiffres officiels de Stability, Medium requiert entre 5,07 Go de VRAM (pour 5 s d’audio) et 6,52 Go (pour 380 s), le décodage séquentiel par blocs permettant d’économiser plus de 1 Go. Le modèle Small fonctionne sans encombre sur simple processeur (CPU), y compris sur Mac. Toutefois, le checkpoint Medium pour ComfyUI pesant 9,22 Go, j’ai mesuré la charge réelle sur ma propre carte graphique, comme détaillé dans le test ci-après.

Mon banc d’essai

Le 3 octobre 2026, j’ai testé Stable Audio 3 Medium via fal.ai : le modèle a produit 60 secondes d’instrumental en 18,7 secondes de calcul. Cet extrait sonore et sa comparaison avec les moteurs vocaux sont accessibles dans le guide Générateur de musique IA.

Test en local sur GeForce RTX 4090 (8 octobre 2026)

J’ai déployé Stable Audio 3 Medium au sein de ComfyUI (checkpoint stable_audio_3_medium.safetensors de 9,22 Go combiné à l’encodeur t5gemma de 1,19 Go) selon les réglages recommandés : 8 étapes, cfg 1, échantillonneur lcm. L’instruction textuelle a été rédigée directement en anglais sans passer par l’expandeur de prompt intégré au workflow.

• Vitesse d’exécution remarquable : une fois le modèle placé en mémoire vidéo, 1 minute de musique est générée en seulement 4 secondes. La première tentative est ralentie par le temps de lecture depuis un disque dur externe en USB (environ 44 Mo/s).
• Charge mémoire : la consommation maximale mesurée oscille entre 7,9 et 11,8 Go de VRAM, ce qui dépasse les 6,5 Go annoncés dans le dépôt, mais reste parfaitement gérable sur une carte grand public de 12 Go.
• Évaluation par jurys IA : Gemini 3.8 Flash et Qwen 3.8 Omni Flash sollicités via OpenRouter sur les 3 rendus attribuent en moyenne une note audio de 4,0/5, une adéquation au style de 4,6 et une musicalité de 4,0. Qwen a jugé la batterie un peu étouffée et le motif de guitare répétitif, tandis que Gemini a qualifié la première piste de niveau équivalent aux banques de sons professionnelles.
• Absence de voix : aucun chant n’est présent sur les extraits, en accord total avec les caractéristiques techniques de l’architecture.

Dans cette même série d’essais, les modèles Eleven Music, Lyria 3 Pro, ACE-Step et MiniMax Music ont été évalués sur ce style musical avec des paroles chantées en polonais (nous avons effectué ces tests initiaux en polonais) - découvrez les mesures détaillées dans le classement des générateurs de musique IA.

Quels sont les meilleurs cas d’usage ?

• Bandes-son pour vidéos, Reels et TikTok : des arrangements instrumentaux calés sur un tempo précis (BPM) et une ambiance définie, coupés à la seconde près.
• Création d’effets sonores (SFX) : Small SFX et Medium excellent sur les bruits d’impacts, transitions dynamiques et paysages sonores d’ambiance. Privilégiez des durées brèves avec la balise TrackType: SFX.
• Échantillons et boucles musicales : création de pistes isolées (TrackType: Instrument), patterns de batterie ou lignes de basse réutilisables dans un séquenceur.
• Transformation et retouche audio : l’audio-to-audio permet de réarranger une maquette existante, tandis que l’inpainting remplace une transition maladroite.

Astuce issue de la documentation : formatez vos requêtes en adoptant le système de tags de la bibliothèque AudioSparx (par exemple : TrackType: Music, VocalType: Instrumental, Genre: Funk, Instruments: Guitar, Saxophone) combiné à un tempo explicite en BPM. Consultez également notre dossier sur les outils IA pour la musique.

Stable Audio face à ses concurrents

L’autre moteur ouvert de référence, ACE-Step 1.5 (licence MIT), prend en charge les paroles : lors de mon banc d’essai du 8 octobre, testé avec des paroles en polonais, il a chanté correctement 101 mots sur 104. Pour des morceaux chantés complets, préférez ACE-Step ou MiniMax Music 3 ; pour des fonds sonores et de la musique d’illustration, Stable Audio est plus pertinent. Retrouvez nos fiches complètes : Suno, Eleven Music, Lyria, Mureka et MiniMax Music.

À qui s’adresse Stable Audio 3 ?

• Idéal pour vous si vous montez des formats vidéo courts et recherchez des illustrations sonores sans risque de blocage par les ayants droit.
• Idéal pour vous si vous disposez d’un GPU NVIDIA et souhaitez générer du son à volonté sans abonnement - parcourez aussi notre guide sur l’IA en local.
• Idéal pour vous si vous concevez des jeux vidéo ou des logiciels ayant besoin de bruitages sur mesure.
• À éviter si votre objectif est de produire une chanson complète comprenant des paroles audibles.
• À éviter si vous visez exclusivement la fidélité instrumentale absolue, domaine où Suno v6 conserve une nette avance.

Foire aux questions

Stable Audio : c’est quoi exactement ?

Il s’agit d’un système d’intelligence artificielle conçu par Stability AI pour composer de la musique instrumentale et des effets sonores à partir d’invites textuelles en anglais. Stable Audio 3, officialisé en mai 2026, est accessible sur stableaudio.com, via API cloud ou sous forme de modèles open weights téléchargeables.

Comment exécuter Stable Audio 3 en local ?

La solution la plus accessible consiste à installer ComfyUI : importez le checkpoint Medium (9,22 Go) ainsi que l’encodeur t5gemma (1,18 Go) depuis le compte Comfy-Org/stable-audio-3, ouvrez le modèle de workflow « Stable Audio 3 Medium » puis lancez la synthèse. La version Small Music tourne même sur un simple processeur.

Stable Audio est-il gratuit ?

Oui, selon deux approches. L’offre Free de stableaudio.com offre 50 crédits mensuels (soit une douzaine de pistes) réservés à un usage non commercial. Par ailleurs, les versions ouvertes Small et Medium peuvent être déployées sans frais sur votre matériel, y compris pour des projets commerciaux jusqu’à 1 million USD de recettes annuelles.

Peut-on exploiter commercialement les morceaux générés ?

Absolument. Sur le site officiel, l’usage commercial s’active à partir de l’abonnement Solo (environ 10,73 € / 12 USD par mois). Avec les poids ouverts sous licence Community, l’exploitation commerciale est gratuite tant que le chiffre d’affaires annuel de votre structure reste sous 1 million USD. Au-delà, un contrat Enterprise est requis. Le forfait Free en ligne reste limité à un cadre strictement privé.

Stable Audio est-il capable de chanter ?

Non. Stable Audio 3 ne génère pas de chant articulé, se limitant occasionnellement à des harmonies vocales synthétiques sans paroles. Pour intégrer des couplets chantés, utilisez plutôt Suno, Eleven Music ou Lyria.

Vaut-il mieux choisir Stable Audio ou Suno ?

Pour des chansons avec paroles et une finition instrumentale haut de gamme, Suno l’emporte (1140 points Elo contre 1017 pour Stable Audio 3 Large). Pour une autonomie complète en local, la conception d’effets sonores, l’édition ciblée et l’entraînement de modèles LoRA personnalisés, Stable Audio s’impose.

Quel est le meilleur générateur d’instrumentaux par IA ?

D’un point de vue qualitatif pur, Suno v6 en mode instrumental reste en tête. Pour une utilisation illimitée à coût nul sur son propre matériel, Stable Audio 3 Medium est la référence, tandis que son API sur fal.ai revient à environ 0,0336 € (0,0376 USD) par génération. Retrouvez l’étude complète dans notre guide sur le générateur de musique IA.

Sources et vérification des informations

• Stability AI : annonce officielle de Stable Audio 3.0 (20/05/2026).
• GitHub Stability-AI/stable-audio-3 : spécifications des modèles, mesures VRAM, consignes de prompt, architecture et corpus - vérifié le 08/10/2026.
• Publication de recherche sur Stable Audio 3 (arXiv, 18/05/2026).
• Hugging Face : stable-audio-3-medium et Comfy-Org/stable-audio-3 - vérifié le 08/10/2026.
• Stability AI Community License Agreement (version du 05/07/2024).
• Tarifs de stableaudio.com et tarifs de l’API Stability - vérifiés le 08/10/2026.
• fal.ai : Stable Audio 3 Medium et module d’entraînement LoRA - vérifiés le 08/10/2026.
• Artificial Analysis : classement instrumental (v1.1, relevé vers le 07/10/2026).
• Stability AI : lancement de Stable Audio 2.5 (10/09/2025).
• Mesures personnelles réalisées le 03/10/2026 via fal.ai - compte rendu dans le dossier Générateur de musique IA.

// lire la suiteMiniMax Music 3 en local : ComfyUI, licence et prixOutils d'IABrain.fm : musique pour se concentrer - test et prixOutils d'IANemotron 3.5 Super VL vs Step 5 : poids, licences et testBenchmarks

Kinetyra