Stable Audioで何ができるか、どう使うと有意義か：公式が挙げる機能と、紹介されている場面を整理する

3行でいうと

公式は、Stable Audio 3.0を、インストゥルメンタル（歌なし）の音楽と効果音のモデルと説明しています。聞き取れる歌声は作る目的ではない、と書かれています。
主な機能は、文章から作る、一部を作り直す（インペイント）、短い音を延ばす（継続）、手持ちの音を元に変える（audio-to-audio）です。
Webアプリには、パートごとに作る「MULTI-TRACK」（公式はexperimentalと表示）や、会話で頼める「Producer chat」があります。
場面として公式が挙げているのは、動画や配信の音、ゲームやアプリの音、制作ソフトの中での素材づくり、自分の音源でのファインチューニング（モデルを自分用に少し調整すること。LoRA）などです。
使える長さや機能は、モデルとプランで違います。新しいWebアプリとプラグインはbetaと書かれています。

この記事は、公式の資料を2026年10月23日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。画面名、ボタン名、数字は公式の表記を写しています。公式ページは要約の形で取得したため、読めなかった所は「公式の資料では確認できていない」と書いています。引用は短くし、ほとんどは言い換えです。

先に結論

最初に覚える言葉は3つ。 「プロンプト」（文章の頼み方）、「インペイント」（一部を作り直す）、「audio-to-audio」（手持ちの音を元に変える）です。
まず頼み方。 公式の「Stable Audio 3 Prompt Guide」は、ジャンル、楽器、雰囲気とエネルギー、テンポ（BPM）の順に書き、必要なら構成や音作りの細部を足す、という型を示しています。
歌は期待しない。 公式のガイドは、3.0は「主にインストゥルメンタル向け」で、聞き取れる歌声を作る目的ではないと書いています。
見立て（僕らの意見で、公式の推奨ではありません）。 最初は、短い長さで何度か作り、気に入った所だけ直す、という順番がクレジットの面でも安全です。

前提：用語をそろえる

FULL MIX。 1本に混ぜ合わせた曲。Webアプリで4クレジット（公式のヘルプ）。
MULTI-TRACK。 AIが編曲を考えて、パートごとのトラックに録る方式。6クレジット、公式がexperimentalと表示。
STEMS（ステム）。 パートごとに分けた音。別の制作ソフトで混ぜ直すために使う、と公式が説明しています。
ノイズレベル。 audio-to-audioで、元の音からどれだけ離れてよいかを決める値。音量ではなく、拡散（diffusion）の雑音のことだと、公式のガイドは説明しています。
LoRA。 自分の音源でモデルを少し調整する方法。公式の発表は、SmallとMediumのドキュメントが公開されたと書いています。

たとえ話：スタジオに、疲れない演奏者がいる

Stable Audioを、頼んだとおりに何度でも演奏してくれる、疲れないバンドだと考えてみます。最初は「こんな雰囲気で」と一言頼み、気に入った演奏の「ここだけ録り直して」と頼み、手持ちの録音を渡して「この音色で弾き直して」と頼む。これが、文章から作る、インペイント、audio-to-audioに当たります。ただし、同じ頼み方でも毎回違う演奏になる、と公式のガイドが書いています。これは僕らのたとえで、公式の表現ではありません。

公式が挙げる主な機能

機能	公式の説明	公式のどこに書かれているか
文章から音楽を作る	ジャンル、楽器、雰囲気、BPMを書く	Stable Audio 3 Prompt Guide
文章から効果音・素材を作る	音の出どころ、動き、響きを具体的に書く	同上
audio-to-audio	元の音、任意の文章、任意のノイズレベル。0.3〜0.9を推奨	同上
インペイント	選んだ区間を作り直す	同上、モデルカード
継続（延長）	音の終わりから続ける	同上、モデルカード
MULTI-TRACK	パートごとにトラックを作る（experimental）	How to use Stable Audio
Producer chat	セッションを聞き取れる会話の窓。追加や再生成を頼める	How to use Stable Audio
テープ編集と効果	REVERSE、STUTTER、FREEZE、切り貼り。効果は非破壊	How to use Stable Audio、Tape Ops
書き出し・共有	MIXDOWN、STEMS、共有リンク	Tape Ops、Multitrack Editor
LoRA	自分の音源での調整	3.0の発表（ドキュメントはSmallとMedium）

頼み方のコツ（公式のPrompt Guideの要点）

時代、場所、録音のスタイルといった「手がかり」を添える。音楽がどんな場面で聞かれるかも書く。
「TrackType: Instrument」「TrackType: Music」「TrackType: SFX」「Format: Duo」「Genre: Funk」のようなタグで、出力の形を伝えられる。
効果音は、音の出どころ、鳴らし方、長さ、マイクと部屋の響きまで具体的に。
インペイントでは、前後の音が結果に強く影響する。大きく変えたいときは、まず広めの区間を作り直し、あとで細かく直す。
結果は毎回変わる。同じ頼み方で同じ音を再現することは、公式のガイドは保証していません。

Stable Audio 2.5のガイドは、少し違う型を示しています。核となるのは「ジャンル、テンポ、雰囲気」で、書かないと結果が荒くなりやすい、と書かれています。題名を付ける、実在の地名を入れる、「長距離ドライブにぴったり」のように使う場面を書く、といった工夫も挙がっています。

場面ごとの使い方と、公式の根拠

場面	公式が書いていること	公式のどこか
動画・配信のBGM	収益化したYouTube、Twitch、SNSの動画、広告、ポッドキャストで商用利用が許可されると説明	Stable Audio Commercial & Usage Licensing
ゲーム・アプリの音	ゲーム、アプリ、ソフトに組み込めると説明。Freeプランでも同じ	同上
素材集・サンプルパックの配布	単体の曲、ストックミュージック、サウンドライブラリ、サンプルパックとして配れると説明	同上
制作ソフトの中で素材を作る	効果音、楽器、音の質感を、セッションを離れずに作れる。現時点は文章から生成のみ	Stable Audio DAW Plugin Guide
曲の一部だけ差し替える	区間を指定して再生成。Webでは「REPLACE SECTION」、拡張は「EXTEND」	How to use Stable Audio
テンポとキーを手持ちの曲に合わせる	「TEMPO + KEY」にファイルを付けると、結果がそのテンポとキーに合う。音そのものは生成には使われない	同上（MULTI-TRACKのみ）
音色を変える	例として、バイオリンのフレーズをエレキギターに置き換え（ノイズレベル0.82）	Stable Audio 3 Prompt Guide
短い音を長くする	例として、3秒の鳥の声を100秒まで延ばす	同上
自前のPCで動かす	小さいモデルと中くらいのモデルは普通のパソコンで動く。実行にはライブラリを使う	stable-audio-3-medium モデルカード
自分の音源で調整	LoRAのドキュメントを公開	3.0の発表

どの場面も、公式が「こうすれば必ず仕上がる」と保証しているわけではありません。

長さと制限：公式の数字

Stable Audio 3.0。 Small SFXは効果音向け。Smallは最長2分。Mediumは最長6分20秒（3.0の発表）。Largeは「約6分まで」と、Prompt Guideに書かれています（3.0の発表は、MediumとLargeは「6分を超える長さ」を作れると書き、Largeの上限の数字は載せていません）。
Stable Audio 2.5。 最長3分（2.5のPrompt Guide）。
Stable Audio Open 1.0。 最長47秒、ステレオ44.1kHz。歌声は上手く作れない、英語の説明で学習、音楽より効果音や環境音が得意、とモデルカードに書かれています。
Webアプリの長さ選択。 ヘルプでは「AUTO、0:30、1:00、1:30、3:00」（How to use）。画面の説明が資料によって違うため、実際の画面で確かめてください（第1本）。
Webアプリの限界。 1セッションに4トラック（How to use）。ただしMultitrack Editorのヘルプは最大11トラック。このため、どちらが最新かは確認できていません。
取り消し。 UNDO BOUNCEはbounce後1時間だけ、1段階だけ、と書かれています。

気をつけること

歌は目的外。 聞き取れる歌声は意図していない、と公式のガイドが書いています。歌詞を指示する機能は、読んだ範囲では見つかりませんでした。
特定のアーティスト名。 実在の人物を「〜風」と指名する文章は、生成の前に自動で止められる、と公式のヘルプが書いています。ジャンル、時代、楽器、テンポで言い換えるよう勧めています（詳しくは第4本）。
結果は毎回変わる。 同じ文章でも、同じ音にならない、と公式のガイドが書いています。気に入った音は、書き出しておくのが安全です（見立て）。
betaとexperimental。 新しいWebアプリとDAWプラグインはbeta、MULTI-TRACKはexperimentalです。
未確認。 Webアプリのモデルについては、ヘルプ「Dashboard & Core Workspace」が「Stable Audio 3 の text-to-audio モデルで動く」と書いています（「How to use Stable Audio」にはモデル名がありません）。プロンプトの言語は、Stable Audio 3 Mediumのモデルカードに英語と書かれていますが、Webアプリで日本語の文章がどう扱われるかは、公式の資料では確認できていません。アップロードできる音の長さや形式、書き出しのファイル形式（WAVやMP3）も、公式の資料では確認できていません。