Stable Audioを入れて最初の設定をする：Webアカウント、DAWプラグイン、Hugging Faceの公開モデルのローカル実行、APIキーまでを、公式の手順で順に並べる

3行でいうと

手元に何も入れずに始めるなら、stableaudio.com でアカウントを作って（または既存アカウントでサインインして）使う入口があります。公式の入門ガイドは、サインインを最初の手順に置いています。
自分のパソコンで公開モデルを動かす場合は、Hugging Faceでの「条件への同意」が先に要ります。公式のREADMEは、インストールに uv を使う手順を載せています。
DAWプラグイン（beta）は、stableaudio.com/plugin からインストーラーとモデルのファイルを取り、DAWでプラグインを再スキャンする流れです。公式ページ同士で、対応OSの書き方が違います。
APIを使うなら、platform.stability.ai でAPIキーを作ります。公式のヘルプは、キーを秘密に保つよう警告しています。
公式に書かれていない所（Windows版プラグインの手順、モデルファイルの置き場所、Hugging Faceのログイン方法のコマンドなど）は、書かずに「確認できていない」と記しました。

この記事は、公式の資料を2026年10月25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。

手順は「公式の手順を順に並べたもの」です。コマンドは、取得したページの要約から写したもので、改行や記号が崩れている可能性があります。実行する前に、必ず公式ページの原文と見比べてください。画面の表記は更新で変わるので、手元の画面と照らして読んでください。

先に結論

入口は4つ。 ①Web（stableaudio.com）②DAWプラグイン（beta）③公開モデルのローカル実行（Hugging Face＋GitHub）④Platform API（platform.stability.ai）。入れるものが違うので、先に入口を決めます。
一番入れるものが少ないのはWeb。 ブラウザだけで済みます。公式の入門ガイドは「stableaudio.comでアカウントを作る、またはサインインする」から始めています。ただし、公式は新しいWebアプリを beta と書いています。
ローカル実行は、同意→取得→実行の順。 Hugging Faceのモデルのページで条件に同意しないと、ファイルに触れません。READMEの手順は uv sync で環境を作り、stable-audio コマンドか Python で生成する形です。
確認できていない所がある。 プラグインのダウンロードページ（stableaudio.com/plugin）は、取得できたのがタイトルと説明の要約だけでした。モデルの置き場所、システム要件、Windows版の手順は、読んだ範囲では見つかっていません。

前提：用語をそろえる

ターミナル。 文字でコマンドを打つ画面です（macOSの「ターミナル」、Windowsの「PowerShell」など）。
Hugging Face。 AIモデルのファイルを配るサイトです。公開モデルを取るにはここのアカウントが要ります。
ゲート（条件への同意）。 モデルのページが「条件を読み、Agreeを押した人にだけファイルを見せる」仕組みです。公式のモデルカードに、リポジトリは公開だが、中身に触れるには条件の承諾が要ると書かれています。
uv。 Pythonの環境とパッケージを管理するツールです。公式READMEが、インストールに使うと書いています。入手方法は、READMEからリンクされているuv側の公式ページで確認してください。
CUDA / GPU / VRAM。 NVIDIAのグラフィックボードで計算する仕組み、そのボード、ボードのメモリのことです。READMEはモデルごとに必要なものを書いています。
DAW。 音楽制作ソフトのことです（Ableton Live、Logic Pro、Cubase、Reaper など）。
VST3 / AU。 DAWに差し込むプラグインの形式です。VST3は多くのDAWで、AUはmacOSの音楽ソフトで使われます。
APIキー。 他のソフトからStable Audioを呼ぶときの「合い言葉」の文字列です。人に見せてはいけません。

どの入口から入れるか

入口	入れるもの	先に要るもの	公式の状態表記
Web	不要（ブラウザ）	stableaudio.com のアカウント	updated web app を beta と公式docsが記載
DAWプラグイン	インストーラー＋モデルのファイル	DAW。クラウド生成にはアカウントでのログイン	beta
公開モデルのローカル実行	`stable-audio-3`（または `stable-audio-tools`）、Python環境	Hugging Faceアカウントと条件への同意	公開重みはライセンス付き（01・04参照）
Platform API	不要（HTTPが送れる環境）	platform.stability.ai のアカウントとAPIキー	docsは `/v2beta` を現行のパスと記載

どれを選ぶかの判断は、01と03に書きました。ここでは入れ方だけを見ます。

手順A：Webで始める（stableaudio.com）

A-1 アカウントを作る・サインインする

公式の入門ガイド「Make your first mix with Stable Audio」の最初の手順です。

ブラウザで stableaudio.com を開く。
アカウントを作る、または既存のアカウントでサインインする。ガイドは「create an account or sign in」と書いています。
同ガイドは、この製品は early beta で、機能は experimental だとも書いています。

登録に使える方法（メール、Google など）、メール確認の有無、新規アカウントに付くクレジットの数は、今回読んだページでは確認できていません。01の「無料でどこまでか」を参照し、実際の画面で確かめてください。

A-2 最初に見る画面（Dashboard & Core Workspace）

公式のヘルプ「Dashboard & Core Workspace」は、画面を次のように説明しています。

場所	書かれていること
左のサイドバー	Recent Generations（最近の生成。相対時刻つき）。左下に Credits Counter（残りクレジット、リアルタイム更新）
中央	プロンプトの入力欄。Sample Presets（Inspiration Cards）をクリックすると入力欄が埋まる。「shuffle samples」で別のカードに入れ替え
入力欄の下	Output Type（`FULL MIX` か `STEMS`）、Length Selector（`0:30 LOOP`、`1:00 SHORT`、`1:30 SONG`、`3:00 EXT`、`AUTO`）、実行ボタン `START →`

START → のショートカットは、macOSが ⌘ + Enter、Windows/Linuxが Ctrl + Enter と書かれています。

注意：別のヘルプ「How to use Stable Audio」は、出力の選択肢を FULL MIX と MULTI-TRACK と書き、長さを AUTO、0:30、1:00、1:30、3:00 と書いています。2つのヘルプで画面の呼び名が違う理由は、公式の資料では確認できていません。手元の画面にある表記が正です。

A-3 動いたかの確かめ方（Web）

中央の入力欄に短い文章を入れるか、Inspiration Cardを1枚クリックする。
長さを 0:30 側の短いものにする。
START → を押す。
公式のヘルプによれば、できた曲は「デッキ」に波形つきで並び、再生できる。左下（Credits Counter）の数字が減る。

クレジットの消費は、ヘルプによると FULL MIX の開始が4、MULTI-TRACK の開始が6（トラック数にかかわらず1回分）です。失敗した生成には課金されない、とも書かれています。

A-4 レガシーのアカウントの場合

公式のヘルプ「Legacy Subscribers & Existing Accounts」は、01で書いたとおり、2026年8月より前の登録者向けの扱いを説明しています。今回このページは読み直していません。該当する場合は01と、そのヘルプの原文を見てください。

手順B：DAWプラグインを入れる（beta）

B-1 公式が書いている範囲

公式のヘルプ「Stable Audio DAW Plugin Guide」の内容は次のとおりです。

対応：macOSのVST（Cubase、Reaper、Ableton）とAU（Logic Pro）。WindowsとAAX（Pro Tools）は今後。
同梱モデル：SA3 SFX と SA3 Medium。パソコン内で動く。
クラウドのモデル：Stable Audio 3 Large。プラグイン内で、Stable Audioのアカウントにログインして使う。
クレジット：クラウド生成はWebアカウントと同じクレジットの枠を使う（Stable Sessions API経由）。
現時点でできること：Text-to-Audio（文章から音）のみ。インペイントとAudio-to-Audioは今後。
このページには、インストール手順、ログイン手順、システム要件、置き場所、トラブルシューティングは書かれていません。

対応OSについては、公式ページ同士で書き方が違います。

ページ	書いてあること
Stable Audio DAW Plugin Guide	macOSのみ。Windowsは今後
Setting Up the Stable Audio Plugin in Ableton Live	インストーラーは「macOSまたはWindows」用と記載
stableaudio.com/plugin（取得できた要約）	「Mac用」のVST3 / AUプラグインと記載

どれかに決めつけず、ダウンロードページに出ているインストーラーの種類で判断してください。

B-2 Ableton Liveの場合（公式ヘルプの手順）

公式ヘルプ「Setting Up the Stable Audio Plugin in Ableton Live」の手順を、順に並べます。

ブラウザで stableaudio.com/plugin を開く。
自分のOS用のStable Audio Pluginインストーラーをダウンロードする（ヘルプはmacOSまたはWindowsと記載）。
同じページのモデルの一覧から、モデルのファイルを少なくとも1つダウンロードする。
インストーラーを実行する。ヘルプによれば、VST3/AUのプラグインが、システムの標準のプラグイン置き場に入る。
Ableton Liveを開く。
設定を開く（ヘルプの表記は「Settings」、macOSでは「Preferences」。ショートカットとして「Cmd + ,」と「Ctrl + ,」の両方が挙げられています。どちらがどのOS向けかは、取得した要約では確認できていません）。
左のメニューで「Plugins」タブを選ぶ。
「Rescan Plugins」を押す。プラグインの置き場所を自分で指定している場合は、代わりに「Use VST3 Custom Folder」を一度オフにして、またオンにする。
オーディオトラックかMIDIトラックにStable Audioのプラグインを読み込む。ヘルプによれば、入れたモデルが自動で見つかる。

このヘルプで確認できていないこと：インストーラー実行の手順の「モデルを保存する」とは何をするのか、モデルのファイルをどこへ置くのか（ヘルプ自身が「save the model」と書きながら、置き場所を書いていません）、ログインの画面、システム要件、トラブルシューティング。

B-3 Ableton以外のDAW

Cubase、Reaper、Logic Proについては、Plugin Guideが対応形式（VST／AU）を挙げているだけで、各DAWでの設定手順は、読んだ範囲に書かれていません。一般には各DAWの「プラグインの再スキャン」にあたる操作が要るはずですが、これは公式のStable Audioのページには書かれておらず、この記事では手順にしません。各DAWの公式マニュアルを見てください。

B-4 動いたかの確かめ方（プラグイン）

stableaudio.com/plugin の説明（取得できた要約）は、使い方を「プラグインに文章を入れ、出力をprintし、タイムラインへドラッグする」と書いています。画面の部品の名前は、取得できた範囲では分かりませんでした。

プラグインを読み込んだトラックで、プラグインの画面を開く。
同梱モデルを選ぶ（ログイン不要と、Plugin Guideに書かれている）。
短い文章を入れて生成し、音が出るか確かめる。

手順C：公開モデルを自分のパソコンで動かす

ここは入れる物が多いので、段階に分けます。公式のGitHubには、新しい stable-audio-3（推論と調整）と、研究用の stable-audio-tools の2つがあります。

C-0 動かすモデルを選ぶ

モデル	READMEが書く動作環境	Hugging Faceのリポジトリ名（READMEより）
small-music	CPUで可、GPU不要、最長120秒	`stabilityai/stable-audio-3-small-music`
small-sfx	同上	`stabilityai/stable-audio-3-small-sfx`
medium	CUDA GPUが要る、最長380秒、Flash Attention 2が必要。H200で120秒の生成時、ピークVRAM約6.5GBと記載	`stabilityai/stable-audio-3-medium`
large	このリポジトリでは使えない（APIのみ）	なし

注意：Hugging Faceのモデルカード（Stable Audio 3 Medium）は、小さいモデルと中くらいのモデルが「consumer-grade hardware」で動くこと、MacBook Pro M4で数秒かかること、と書いています。READMEのMediumは「CUDA GPUとFlash Attention 2」と書いており、Apple Silicon向けには別に optimized/mlx を挙げています。両者の関係（Mediumをどの環境でどう動かすか）は、読んだページでは1つに決められませんでした。自分の環境の項目を、READMEの原文で確かめてください。

C-1 Hugging Faceで同意する

Hugging Faceにログインする（アカウントがなければ、サインアップする）。
使いたいモデルのページ（例：huggingface.co/stabilityai/stable-audio-3-medium）を開く。
条件の文面を読み、「Agree」を押す。モデルカードによれば、これはライセンス条件とStability AIのプライバシーポリシーへの同意を含みます。Stable Audio 3 Mediumのカードは、文章を読み取る部品（T5Gemma）の条件として、Gemma Terms of Use（利用制限を含む）にも触れています。
他のモデルを使うなら、そのモデルのページでも同じことをする。

モデルカードのライセンスの書き方には揺れがあります。メタデータは「stable-audio-community」、本文はStability AI Community License、同意画面の文面からのリンクはStable Audio Open 1.0のライセンスです。商用利用の条件はstability.ai/licenseを見るよう案内されています。詳しくは04を参照してください。

ライブラリがモデルを取るときのHugging Faceへのログイン方法（トークンの設定など）は、stable-audio-3 のREADMEと stable-audio-tools のREADMEのどちらにもコマンドが書かれていませんでした。stable-audio-tools のREADMEは「Gradioを動かす前に、モデルの条件に同意すること」と書くだけです。

C-2 `stable-audio-3` を入れる（READMEの手順）

公式READMEが使うのは uv です。必要なPythonのバージョンはREADMEに明記がなく、リポジトリに .python-version ファイルがあると読み取れる、という程度です。以下のコマンドは取得した要約からの写しです。

まず、リポジトリを取ります（READMEの冒頭の取得手順そのものは、取得した要約では確認できていないので、GitHubの「Code」ボタンの案内に従ってください）。そのフォルダで、次のどれかを実行します。

# Python APIだけ
uv sync

# Gradioの画面つき
uv sync --extra ui

# LoRA学習の機能つき
uv sync --extra lora

# 全部
uv sync --extra ui --extra lora

既定では、PyTorchがCUDA 12.6用で入ります。ほかのCUDAを使う場合の手順（cu118、cu126、cu128から選ぶ）は、READMEの「CUDA version」の項にあります。コマンドは原文を見て写してください。
Mediumを使う場合はFlash Attention 2が必要と、READMEに書かれています。READMEは「ビルド済みのwheelを入れる」方法と「ソースからビルドする」方法を載せています。ビルド済みのwheelは第三者のリポジトリの配布物へのリンクなので、入れる前に自分で提供元を確かめてください。ビルドの環境変数（TORCH_CUDA_ARCH_LIST はGPUの計算能力に合わせる、MAX_JOBS は4〜8が目安でメモリ不足なら下げる）も、原文に従います。
Flash Attention 2は pyproject.toml に入っていないため、あとで普通の uv sync を実行すると消える、とREADMEは書いています。その場合は uv sync --inexact を使うと書かれています。

C-3 最初の1回を動かす（READMEの例）

コマンドラインから。 READMEのCLIの例です。

stable-audio --model small-music -p "lo-fi hip hop beat, 90 BPM" --duration 30 -o beat.wav

-p が文章、--duration が秒数、-o が出力のファイル名です。
使えるフラグは stable-audio --help で確かめるよう、READMEは書いています。
注意：uv sync で作った環境の中でコマンドを呼ぶ形（uv run を前に付ける等）は、CLIの例には書かれていません。READMEの原文で確かめてください。

Pythonから。 次は、READMEとモデルカードの例と同じ呼び出しの形を、文章と秒数だけ変えて、この記事で組んだものです（READMEの例は duration=250、モデルカードの例は duration=180。動作は確かめていません）。

from stable_audio_3 import StableAudioModel

model = StableAudioModel.from_pretrained("medium")
audio = model.generate(
    prompt="lo-fi hip hop beat, 90 BPM",
    duration=30,
)

from_pretrained("medium") でモデルを取りに行きます。初回は、Hugging Faceからファイルを取るため時間がかかる可能性があります（取得量はページには書かれていません）。
注意：READMEの要約を読んだ取得結果は、音声を渡す例（init_audio や inpaint_audio に torchaudio.load(...) の結果を渡す形）が、タプルの扱いとして正しいか確かめられない、と指摘していました。06で扱う音声入力の例は、原文で確かめてから使ってください。
generate() が返した audio をファイルに書く方法は、取得した要約では確認できていません。READMEの原文を見てください。

Gradioの画面で。 READMEの例です。

uv run python run_gradio.py --model medium

これでGradioの画面が立ち上がります。READMEは共有リンクが出ると書いています。外部に公開される可能性があるので、使う前に原文で確かめてください（stable-audio-tools 側の --share は「公開の共有リンクを作る」と説明されています）。

C-4 `stable-audio-tools`（研究用・Stable Audio Open 1.0 など）

READMEの要件は、PyTorch 2.5以上、開発用のPythonは3.10です。依存の管理には uv を recommend と書いています。手順の写しです。

git clone https://github.com/Stability-AI/stable-audio-tools.git
cd stable-audio-tools
uv sync

学習も使うなら uv sync --extra train、学習と画面も使うなら uv sync --extra train --extra ui。pip install "stable-audio-tools[train]" という別の方法も載っています。
Flash Attentionについて、READMEは性能のために recommended と書いています（入れ方は同リポジトリの案内に従う）。
Gradioの画面は、次のように起動します。

python3 ./run_gradio.py --pretrained-name stabilityai/stable-audio-open-1.0

フラグ	説明（READMEより）
`--pretrained-name`	Hugging Faceのリポジトリ名。`model.safetensors` を `model.ckpt` より優先して読む
`--model-config` / `--ckpt-path`	手元のモデルを使うときの設定ファイルとチェックポイント
`--share`	公開の共有リンクを作る
`--username` / `--password`	画面にログインをかける（組で使う）
`--model-half`	重みを半精度にする

Stable Audio Open 1.0のモデルカードには、Pythonの例が2つあります（stable-audio-tools と diffusers）。diffusersの例では、pip install -U diffusers を実行するよう書かれ、soundfile も使います。長い例なので、コードは原文で確かめてください。Open 1.0は、最大47秒、ステレオ44.1kHz、英語の説明で学習、実際の歌声は作れない、とカードに書かれています。

手順D：Platform APIのキーを作る

公式のヘルプ「Where can I find my API Key?」の手順です。

platform.stability.ai を開き、サインインするか登録する（ヘルプは、新規アカウントに25クレジットが付くと書いています）。
右上のプロフィールアイコンを押す。ヘルプによれば、既定でAPIキーの一覧が出る。
「+」のアイコンでキーを作る。有効なキーは最大10個まで、と書かれています。
キーを削除・交換するときは、キーの横の「X」を押す。

ヘルプの警告は、キーをシークレット管理の仕組みか環境変数に置くこと、クライアント側のコード、公開リポジトリ、共有するスクリーンショットに出さないこと、です。

料金は、docsの料金ページ（確認日 2026-10-25）で、Stable Audio 3.0とStable Audio 2.5がどちらも1回8クレジットで、1クレジットが0.01米ドル（1回0.08米ドル）です。クレジットの購入は platform.stability.ai/dashboard/billing とあります。

呼び出し方は、07で扱います。

つまずきと直し方

症状	考えられること	確認すること（根拠）
モデルのファイルが取れない	Hugging Faceで条件に同意していない	モデルのページで「Agree」を押したか（モデルカード）
Mediumで動かない	Flash Attention 2が入っていない、CUDA GPUがない	READMEの「Mediumに必要」の項。`uv sync` で消える点にも注意
`uv sync` のあとで Flash Attention が消えた	普通の `uv sync` が、`pyproject.toml` にない物を外す	`uv sync --inexact`（README）
画面の呼び名が資料と違う	ヘルプ同士で表記が違う	手元の画面を正とし、資料は参考にする
プラグインが一覧に出ない	DAW側の再スキャンが済んでいない	Abletonなら「Rescan Plugins」（ヘルプ）。ほかのDAWは各マニュアル
プラグインのモデルが見つからない	モデルのファイルが入っていない	ヘルプは「少なくとも1つのモデルをダウンロードする」と書く。置き場所は未確認
APIが401を返す	キーがない・誤り	`Authorization` ヘッダーにBearerでキーを送る（docs）。07参照
APIが402を返す	クレジット不足	docsのエラー一覧。購入先は billing ページ
生成を頼んだのに止められた	実在の人物名を「〜風」と指名した可能性	公式のヘルプ「Why Was My Prompt Flagged?」。ジャンル・時代・楽器・テンポで言い換える例が載っている

たとえ話：4つの入口は、4つの玄関

家にたとえると、Webは「受付のある店頭」、プラグインは「自分の作業机の上に置く道具」、ローカル実行は「材料を家に持ち帰って自分の台所で作る」、APIは「注文書を出して届けてもらう」です。どの玄関から入るかで、持ち物（アカウント、同意、キー）が変わります。

気をつけること

読めなかった・取れなかったもの。 stableaudio.com/plugin は、タイトルと説明の要約しか取れませんでした。ダウンロードの選択肢、モデルの一覧、システム要件は、この記事に書けていません。API仕様のうち、Stable Audio 3の生成を開始するエンドポイントのページも、読んだ範囲では見つかりませんでした（07参照）。
コマンドの写し。 コマンドは、ページの要約から写したものです。特に、システムに別のソフトやwheelを登録・導入する操作は、原文を見て写してください。
beta。 新しいWebアプリとDAWプラグインは、公式がbetaと書いています。画面と手順は変わる可能性があります。
ライセンスの揺れ。 stable-audio-3 のリポジトリのAboutはMITと表示し、READMEは「Stability AI Community Licenseを見よ」と書いています。stable-audio-tools はMITです。モデルの重みの条件は、モデルのページとstability.ai/licenseで別に確かめてください（04参照）。
キーは秘密。 APIキーを書いたファイルを、公開リポジトリに入れないでください（ヘルプの警告）。
見立て（公式の推奨ではありません）。 僕らの見立てでは、ローカル実行は、まず小さいモデル（small-music）のCPU実行で、READMEのCLIの1行だけを動かすところまでを「入れ終わり」の目安にすると、つまずく所が分かりやすいと思います。