进阶 stability.ai 2026-10-20 06:28:24 · 27 阅读

第2章 Stable Audio 3.0 提示词指南:从音乐创作到音效生成的实战技巧

Stable Audio 3.0 提示词指南

8 月 18 日 | 作者:Louisa Marshall

Stable Audio 3.0 专为音频制作中的迭代工作流设计。我们的模型提供了多种处理音频的方式:

· 音乐创作 · 采样与音效 · 音频转音频(Audio-to-audio) · 修补(Inpainting)与续写

你可以生成完整曲目、单乐器分轨(stems)、采样和音效,或以现有音频为新灵感的起点。以下是一些入手思路及示例,供你在实际工作中参考。

所有 Stable Audio 模型均在全权授权数据上训练。你拥有生成内容的所有权,可自由分发和商业化,下载次数不限。期待看到你的作品。

立即开始创作

1. 音乐创作

从想听的基本要素入手:

· 流派:你要做什么风格? · 乐器:什么在演奏,听起来应该是什么样? · 情绪与能量:这首曲子应营造什么感受? · BPM:曲子需要什么速度?

推荐的顺序是:先定流派,再指定主要乐器和节奏元素,然后描述情绪、编曲结构和制作质感。必要时,补充演奏、纹理、编曲或制作方面的细节。

注意:Stable Audio 3.0 主要适用于器乐作品。它有时能生成非词汇类的人声般纹理,但不用于生成可辨认的歌词。

尝试风格参考
引用特定年代、地点、录音风格或音乐背景有助于描述你想要的效果。例如:

“90 年代车库摇滚器乐,带点 grunge 影响,跳跃的失真吉他、疯狂的鼓点和管失真贝斯”

“受底特律影响的 techno,精简编曲,金属打击乐,深沉 sub bass,原始模拟合成器 130 BPM”

你也可以描述音乐出现的场景:
“适合慢热科幻电影结尾场景的空灵电子器乐”
“让人感觉像夜场最后一首歌的迷幻 house 曲目”

实验生成完整混音与乐器
模型支持生成不同曲目类型,包括完整混音和 stems。如果需要单独的声部,比如贝斯线、吉他纹理或打击乐层,可以提示生成 stem。

使用标签指定曲目类型
以 TrackType: Instrument 开头,然后说明想要的乐器及其演奏、录制或处理方式。TrackType: Instrument 是可选标签。标签是简单的标签,有助于告诉模型你想要什么结果。例如:
· TrackType: Music 表示完整音乐曲目。
· TrackType: Instrument 表示分离的乐器或 stem。
· TrackType: SFX 表示音效或 one-shot。
· Format: Duo 表示两件乐器合奏。
· Genre: Funk 添加直接的流派标签。

并非每个提示词都需要标签。当你希望给 Stable Audio 关于输出格式更清晰的信号时使用标签。

音乐示例:DJ 演出的最后一首曲目
TrackType: Music,一首凯旋而时尚的 UK bass 风味 tech-house 曲目,让人联想到 DJ set 中的最后一首歌。强劲的四四拍底鼓由切分音 808 贝斯支撑。滑音情感合成器主旋律将段落推向高潮。俏皮的刺音和切片支持鼓的节奏部分。Drop 部分有美丽的福音 house 钢琴,赋予曲目迷幻感。

音乐示例:70 年代电视主题曲风格的 hip-hop 律动
一首放克 hip-hop 器乐,现场录制乐器,带有 70 年代电视秀主题的氛围。节奏吉他轻轻扫弦作为背景,主奏吉他在不规则的和弦和乐句中加入刃状的 flanger 效果,抽象声音以个性点缀节拍。近距离麦克风录制的电钢琴以怀旧的和弦强势演奏,长笛滑音跨越节拍增加激动人心的纹理,鼓充满摇摆和老派韵味。制作温暖且纹理丰富,带有模拟设备和磁带特质。

Stem 示例:忧郁的指弹木吉他
TrackType: Instrument,一段忧郁的独奏木吉他曲目,带有洞穴般的混响和细腻的指弹。

Stem 示例:动态拉丁打击乐二重奏
TrackType: Instrument, Format: Duo,一段动态的拉丁鼓和打击乐曲目。

Stem 示例:录音室风格电吉他领奏
TrackType: Instrument,一段史诗般的独奏电吉他曲目,在老式录音室现场录制。

对于 stems,你可以添加技巧、房间声、麦克风视角、效果、演奏能量或录音特质等细节。

2. 采样与音效

对于音效和采样,尽可能精确地描述声音。关注:
· 来源:什么物体、乐器或合成器发出声音?
· 动作:声音如何触发,持续多久?(例如:快速衰减的重击,或巨大的吸吮声后跟超高频爆裂声)
· 制作/特质:麦克风位置在哪里,房间特质如何?声音如何处理?(例如:在死室录制,用老式丝带麦克风捕获,或用深色木质混响处理)

TrackType: SFX 是另一个可选标签。告诉 Stable Audio 你要的是音效而非音乐。这在制作打击、riser、拟音(foley)或转场时很有帮助。

示例:失真的木抽屉撞击声
一个沉重、有力的“砰”声,由猛关木质抽屉发出。低中频共鸣明显,让人感觉沉重,并带有轻微的模拟失真以增强攻击性。

示例:磁带停止 sub-bass 效果
模仿黑胶唱片或磁带机关机的巨大 sub-bass 音符。音高和速度同时下降,导致高频谐波“涂抹”变厚,声音在亚音频频率下摩擦停止。

示例:快速衰减踩镲
经典自然的 14 英寸踩镲录音,演奏得紧闭。无余音,衰减非常快。

3. 音频转音频:生成现有音频的变体

Audio-to-audio 让你以现有音频为起点。上传或选择源文件,然后编写提示词,说明希望 Stable Audio 将其转化为何种样子。

你可以提供三个输入:

  • Seed 音频:你开始的源文件;例如,小提琴乐句、节奏盒录音或之前的 Stable Audio 生成结果
  • 提示词(可选):希望 Stable Audio 将音频带往的新方向;例如,“重型金属吉他”或“lo-fi hip-hop 节拍”
  • 噪音水平(可选):Stable Audio 应与输入偏离多远

使用噪音水平告诉模型修改程度
使用 init_noise_level 控制原始音频被修改的程度。较低的值通常保留更多源特征。较高的值创造更大差异。
注意:此处“噪音水平”不指音量或分贝。在扩散模型中,噪音是生成过程中使用的随机信号。较低的噪音水平保留更多原始演奏,包括节奏和旋律等细节。较高的水平对输入做更实质性的改变,让 Stable Audio 更多采纳新提示词的风格。
通常将此值保持在 0.3 到 0.9 之间,0.3 几乎无变化,0.9 则对原始音频有显著修改。

音色转移
改变乐器,同时通常保留音符。

提示词示例:
输入:violin_solo.wav | 提示词:TrackType: Instrument, electric guitar | 噪音水平:0.82
(对应图片描述:小提琴独奏转电吉他)

输入:beatbox.wav | 提示词:Lofi hip hop beat, chillhop | 噪音水平:0.5
(对应图片描述:节奏盒转 lofi hip hop 节拍)

风格转移
改变曲目整体风格以创造变体。

提示词示例:
输入:trance.wav | 噪音水平:0.6
提示词:(无)
(对应图片描述:Trance 转生成的 Trance)

4. 修补(Inpainting)与续写(Continuation)

Inpainting 和 continuation 让你保留曲目中好用的部分,在需要的地方生成新音频。

Inpainting:重建特定部分
当曲目某部分需要新演奏时使用 inpainting。选择一段音频,编写提示词,Stable Audio 重新生成该部分,同时保留其余部分。可以尝试:
· 替换尴尬的转场。
· 重做过于杂乱的段落。
· 在不丢失整体编曲的情况下改变乐句。
· 在曲目后半段引入不同的乐器或能量水平。

你要修改的部分周围的音频至关重要。如果只掩码几秒钟,Stable Audio 有大量的上下文,可能只做细微调整。如果希望更大变化,先重新生成更大片段,再用小选区精修。

示例:在古典乐曲中引入吉他独奏

输入音频提示词替换部分
classical.wav — 107 秒长在老式录音室现场录制的电吉他独奏,带管弦乐队第 30 秒至 107 秒

(对应图片描述:交响乐 No.3 片段转吉他独奏)
这保留了前 30 秒作为上下文,然后在引入吉他独奏的方向上重新生成剩余 77 秒。

注意:如果提示词与输入音频差异过大,提示词可能不起作用。此外,如果替换部分相对于其余音频太小,可能会忽略提示词。

Continuation:延长长度
想延长作品时使用 continuation。从现有音频末端开始,选择希望续写的长度,生成下一段。

你的提示词应与周围音频匹配。例如在扩展 progressive house 曲目时,提示 build 和 drop 比完全无关的声音更可能产生平滑结果。

提示:Stable Audio 3.0 支持可变长度生成,意味着你可以输出精确长度,Stable Audio 3.0 Large 最长可达约六分钟。

示例:延长鸟叫录音

输入音频提示词新长度
bird_call.wav — 3 秒长无需提示词从 3 秒延伸至 100 秒

(对应图片描述:鸟鸣转无提示词鸟鸣续写)
这告诉 Stable Audio 从现有音频末端继续,直到文件总长达到 100 秒。

输入音频提示词新长度
bird_call.wav — 3 秒长TrackType: Music, 带有旋律合成器刺音和音高偏移鸟鸣、逐渐构建的 lofi hip-hop chill 节拍从 3 秒延伸至 55 秒

(对应图片描述:鸟鸣转鸟鸣续写)

5. 尝试使用插件和网络应用

新的 Stable Audio 插件和更新后的网络应用现已进入 beta,为你提供两种将 Stable Audio 3.0 融入活跃生产工作流的方式。

在 Stable Audio 插件中
希望在常用 DAW 内直接生成时使用 Stable Audio 插件。为在编曲中有明确角色的素材编写提示词:贝斯部分、打击乐层、吉他纹理、转场、声音设计元素或替代段落。
然后像处理会话中其他音频一样处理生成的内容:
· 编排和编辑,使其与曲目其余部分配合。
· 使用你的效果链进行处理。
· 与录制乐器或采样分层。
· 切片成新的乐句或纹理。
· 打印(渲染)该演奏,继续构建。

在 Stable Audio 网络应用中
使用增强版网络应用,超越初始生成,提供迭代方向,尝试变体,混音和编辑,处理多轨,并延长长度。还可以进行磁带和拼接编辑,如反转、stutter、冻结、剪切、复制和粘贴,无需生成新音频。有关网络应用中混音、编辑和导出的完整教程,请阅读我们的指南《用 Stable Audio 制作你的第一个混音》。

没有完美提示词,只有你的流程
好的提示词给 Stable Audio 清晰的创作方向,但没有唯一的完美写法。Stable Audio 不会每次都产生相同结果。这种差异可能帮助你发现意想不到的点子。
从提示词开始,然后跟随自己的创作流程进行实验,不断塑造声音,直到你获得值得带入下一制作阶段的作品。

立即用 Stable Audio 开始创作

Louisa Marshall

评论 (0)