Характеристики

Лицензия: Своя лицензия
Базовая модель: stable-audio-3-small-sfx
Библиотека: stable-audio-3
Опубликована: 8 окт 2026

Ссылки

Stable-Audio-3-Small-SFX-MLX-Serve

Генерация аудиоТекст → аудио

Зеркальная копия Stable Audio 3 Small SFX от Stability AI для генерации звуковых эффектов по английским текстовым описаниям.

16скачиваний за 30 дней0лайковвеса обновлены8 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Stable Audio 3 Small SFX — это зеркальная копия модели Stable Audio 3 Small SFX от Stability AI, подготовленная пользователем ddalcu для загрузки и запуска через mlx-serve. Веса, конфигурации и файлы токенизатора не изменены; модель предназначена для генерации звуковых эффектов по текстовым описаниям. Она принимает текстовый запрос на английском языке и выдаёт стереозвук с частотой 44,1 кГц продолжительностью до двух минут. В качестве текстового энкодера используется google/t5gemma-b-b-ul2.

Репозиторий содержит файлы в исходном формате safetensors и также рассчитан на работу с официальными библиотеками stable-audio-3 и stable-audio-tools. Для текстового энкодера указаны условия Gemma Terms of Use; метаданные репозитория обозначают лицензию как other, поэтому условия использования следует сверять с лицензиями исходной модели и энкодера. README описывает запуск через mlx-serve на Apple Silicon, но скорость генерации зависит от оборудования и не является гарантированной характеристикой модели.

Сценарии применения

создание звука приближающегося поезда с гудком по описанию
генерация фоновых звуков и шумов для видео
создание звуковых эффектов для игр
генерация аудиодорожек по текстовому запросу

Ограничения

Модель ориентирована на текстовые описания на английском языке. Репозиторий указывает лицензию как other, а текстовый энкодер распространяется по Gemma Terms of Use, поэтому перед использованием нужно проверить условия обеих лицензий.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Stable Audio 3 Small SFX — mirror for mlx-serve

Powered by Stability AI.

This is an unmodified, ungated mirror of stabilityai/stable-audio-3-small-sfx, made so mlx-serve can download it without a Hugging Face token or a gate-acceptance step. No weights, configs or tokenizer files were changed. All credit for the model goes to Stability AI; this mirror is not affiliated with or endorsed by them.

Original model: https://huggingface.co/stabilityai/stable-audio-3-small-sfx
Original code: https://github.com/Stability-AI/stable-audio-3
Paper: https://arxiv.org/abs/2605.17991
Text encoder: google/t5gemma-b-b-ul2, redistributed under the Gemma Terms of Use

Use with mlx-serve

mlx-serve is a native Apple Silicon server (no Python) with OpenAI/Anthropic/Ollama-compatible APIs and local media generation. Website and source: https://github.com/ddalcu/mlx-serve

mlx-serve pull ddalcu/Stable-Audio-3-Small-SFX-MLX-Serve
mlx-serve serve --model-dir ~/.mlx-serve/models

curl http://localhost:8080/v1/audio/sound-generations \
  -H 'Content-Type: application/json' \
  -d '{"model":"Stable-Audio-3-Small-SFX-MLX-Serve","prompt":"chugging train coming into station with horn","duration_seconds":7}' \
  -o train.wav

The mlx-serve app also lists it under Sound Effects. Generates up to two minutes of 44.1 kHz stereo audio in about a second on Apple Silicon.

Using the original tooling

The files are laid out exactly as in Stability's repo, so the official stable-audio-3 and stable-audio-tools libraries read them unchanged.

License

This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved. A copy of the agreement is in LICENSE.md; the attribution notice is in NOTICE. Free for research, non-commercial use, and commercial use by organizations under US $1,000,000 annual revenue (registration required for commercial use: https://stability.ai/community-license). For other commercial use see https://stability.ai/license.

By downloading you agree to that license and to the Gemma Terms of Use for the bundled T5Gemma encoder (including its use restrictions).

Stability AI's original model card, including training data details, is at the link above.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · stable-audio-3

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 977fd47