Stability Audio 2.0

Stability Audio 2.0 ist das fortschrittliche KI-Modell von Stability AI, das speziell für die Erzeugung hochwertiger Musik und Soundeffekte aus Textbeschreibungen entwickelt wurde. Das System basiert auf einer Latent-Diffusion-Architektur und wurde mit lizenzierten Audiodaten aus der AudioSparx-Musikbibliothek trainiert, was eine rechtlich einwandfreie Grundlage für die generierten Inhalte schafft. Im Vergleich zur Vorgängerversion bietet Stability Audio 2.0 deutlich längere Tracks von bis zu drei Minuten mit kohärenten musikalischen Strukturen, einschließlich Intros, Strophen, Refrains und Outros.

Eine der herausragenden Neuerungen ist die Audio-zu-Audio-Funktion, mit der Nutzer eigene Aufnahmen, Riffs, Vocals oder Feldaufnahmen hochladen und mithilfe von Textprompts in völlig neue Klangwelten transformieren können. Die Ausgabequalität liegt bei 44,1 kHz Stereo-WAV und ist damit direkt in jeder DAW oder jedem Videoprojekt einsetzbar. Das Genrespektrum reicht von Lo-fi Hip-Hop über Ambient-Soundscapes bis hin zu orchestralen Kompositionen – die Stilrichtung wird einfach per Textbeschreibung festgelegt.

Die kostenlose Stufe erlaubt 50 Generierungen pro Monat für persönliche Nutzung, während der Creator-Plan für unbegrenzte Generierungen und kommerzielle Nutzung ab etwa 11 Euro monatlich verfügbar ist. Alle im Creator-Plan erzeugten Tracks sind lizenzfrei und dürfen in Werbung, Spielen, Streams und Filmen verwendet werden. Für Unternehmen mit hohem Volumen steht eine Enterprise-API mit individuellen SLAs und On-Premise-Deployment zur Verfügung.

Die Plattform eignet sich besonders für Content Creator, Filmemacher, Game-Entwickler und Musiker, die schnell professionelle Audioinhalte benötigen, ohne aufwendige Produktionsprozesse durchlaufen zu müssen.