Stable Audioをほかのアプリ・AIとつなぐ手順：Platform API、DAWプラグイン、Hugging Face（diffusers・Gradio・LoRA）を、設定する場所と渡るデータごとに並べる

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」、設定例は「公式の例の写し」か「公式の記載に合わせて、この記事で組んだ例（動作は確かめていません）」と、そのつど区別しました。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。入れ方は05、使い方は06、全体像は03、データの扱いは04を参照してください。

先に結論

• つなぎ方は5つ。 API、DAWプラグイン、stable-audio-3 のCLI/Python、stable-audio-tools＋diffusers＋Gradio、LoRA。
• 「AI同士の連携」で公式に書かれているのは、仕組みとしてのつなぎ（API、ライブラリ）であって、チャット型AIの側の設定ではない。 Claude、ChatGPTなどからStable Audioを呼ぶ、公式のMCPサーバーやコネクタは、読んだページには見つかりませんでした。作る側が自分でAPIを呼ぶコードを書く形になります。
• パートナーは名前が挙がっているだけ。 公式の製品ページはArm、Comfy、fal、WPP、Replicateをリンクつきで挙げますが、各社が何をするかの説明は、そのページにありません。各社のページは読んでいません。
• データの行き先を先に確かめる。 自分の音や文章が、Stability AIのクラウドへ行くのか、手元に留まるのかは、つなぎ方で決まります（本文末の表）。

前提：用語をそろえる

• Bearer認証。 Authorization: Bearer <APIキー> という形で、キーを送る方法です。
• multipart/form-data。 文字の項目とファイルの項目をまとめて送るHTTPの形式です。
• 非同期。 頼むとすぐ受付番号（id）が返り、結果はあとで取りに行く方式です。
• ポーリング。 結果ができるまで、何度か取りに行くことです。
• base64。 音声などのデータを文字に直した形です。
• diffusers。 Hugging Faceが配るPythonのライブラリです。Stable Audio Open 1.0のモデルカードに、これで動かす例があります。
• Gradio。 ブラウザで操作できる簡易の画面を作るPythonのライブラリです。
• LoRA。 少ない音源で、既存モデルに「味付け」を足す追加ファイルです。

つなぎ方1：Platform API

1-1 キーを作る（設定する画面）

05の手順Dを再掲します（公式ヘルプ「Where can I find my API Key?」）。

1. platform.stability.ai にサインインするか登録する。
2. 右上のプロフィールアイコンを押す。APIキーの一覧が既定で出る。
3. 「+」でキーを作る。有効なキーは最大10個。
4. 作ったキーを、シークレット管理の仕組みか環境変数に入れる。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は出さない。

APIキーのページのURLは、docsに https://platform.stability.ai/dashboard/api-keys と書かれています。

1-2 共通のきまり（docsのAPI reference）

1-3 結果を取る（Fetch audio result）

docsのページにあるエンドポイントです。

docsのサンプルは、Python、JavaScript、cURLで、どれも「Bearerを付けて accept: audio/* で取りに行き、202 ならもう一度、200 ならファイル（output.mp3）に保存」という分岐になっています。

この記事で組んだ例（上の表に合わせて組んだもの。動作は確かめていません）。<生成のid> は、生成を始めたときに返った値に置き換えます。

curl -H "Authorization: Bearer $STABILITY_API_KEY" \
     -H "Accept: audio/*" \
     -o output.audio \
     https://api.stability.ai/v2beta/audio/results/<生成のid>

• 注意：docsのcURLのサンプルは、-f を付けた形で、404 などのときに分岐の前で終わってしまう、とサマリーが指摘していました。公式のサンプルを使う前に、原文で確かめてください。
• 完了前は 202 が返るので、少し待ってもう一度取りに行く、という繰り返しが要ります（ポーリング）。間隔の目安は、読んだ範囲に書かれていません。

1-4 生成を始める側（確認できていない部分）

• Stable Audio 3.0。 生成を始めるエンドポイントの名前、パス、項目（文章、長さ、シード、音声ファイルなど）は、読んだ範囲では見つかっていません。docsの「API reference」ページは、Fetch audio resultへのリンクだけを挙げ、生成のエンドポイントは定義していませんでした。docsの別の説明は、「テキストはフォームの項目、音声はファイルの項目」と一般的に書くだけです。生成のパスと項目名は、docsの最新の仕様で確認してください。
• Stable Audio 2.5 のaudio-to-audio。 公式のヘルプ「Tips for using the Stable Audio 2.5 Audio-to-Audio API」に、エンドポイントが POST /v2beta/audio/stable-audio-2/audio-to-audio と書かれています。ページ名は2.5ですが、パスは stable-audio-2 です。ここでの要点は次のとおりです。
• 入力は、元の音声ファイルと文章、任意の strength。ヘルプは「such as」と書いているので、ほかの任意項目があるかもしれませんが、一覧は載っていません。
• strength は開始値0.8が目安。出力が元に近すぎるなら0.85〜0.9、離れすぎなら0.6〜0.75、と書かれています。
• 文章は、指示ではなく、音の質、楽器、雰囲気、手触りを描くのがよい、と書かれています。「Turn this into lo-fi」のような指示の言い方は避ける、とあります。
• 入力の長さ、形式、サイズの上限、リクエストの例は、ページに書かれていません。
• Largeモデル。 3.0の発表は、Largeを「Stability AIのAPI」で使えると書き、製品ページは、APIを「The Stability AI API」として挙げ、「managed hosting and easy integration into your apps」と説明しています。

1-5 外し方・止め方（API）

1-6 うまくいかないとき（API）

1-7 渡るデータ（API）

• 送るもの：文章、（audio-to-audioなら）元の音声、長さなどの項目、APIキー。
• 行き先：Stability AIのクラウド。プライバシーポリシーと利用規約が適用されます（04参照）。
• 学習への利用の設定は、1-5のとおり。
• リクエストに付けられる stability-client-id、stability-client-user-id、stability-client-version は、利用者の識別子を相手に渡す項目です。自分のアプリの利用者のIDを入れるなら、何を入れるかを決めておく必要があります。

つなぎ方2：DAWプラグイン（beta）× 制作ソフト

05の手順Bで入れた後の、つながり方です。

DAWとプラグインの間で渡るもの。 stableaudio.com/plugin の説明（取得できた要約）には「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」とあります。DAWのプロジェクトの内容（曲のデータ）がプラグインを通じてStability AIに送られる、という記載は見つかっていませんが、「送られない」とも書かれていません。確かめるなら、公式のプライバシーポリシーと、プラグインの画面を見てください。

Ableton以外のDAWの設定手順は、公式のStable Audioのページには書かれていません。

つなぎ方3：Hugging Face × stable-audio-3（Python・CLI）

「Stable Audio × Hugging Face」の組み合わせです。モデルのファイルはHugging Faceから取り、生成は手元で行います。

モデルを調整する。 READMEは、LoRAを uv sync --extra lora の機能として挙げます。詳細は下の「つなぎ方6」です。

手元の最適化ランタイム。 READMEは、optimized/tflite（macOS、Linux、WindowsのCPU）、optimized/mlx（Apple Silicon）、optimized/tensorRT（NVIDIA GPUのLinux）というフォルダを挙げています。各手順は、今回は読んでいません。

つなぎ方4：Hugging Face × stable-audio-tools ／ diffusers（Stable Audio Open 1.0）

Stable Audio Open 1.0のモデルカードに、2つの動かし方が書かれています。コードは長いので、骨組みと決まりだけを写します。コードの全文は、モデルカードで確かめてください。

4-1 stable-audio-tools で動かす

• 取るもの：get_pretrained_model("stabilityai/stable-audio-open-1.0")。
• 文章と長さの渡し方：conditioning = [{"prompt": ..., "seconds_start": 0, "seconds_total": 30}] の形。
• 生成：generate_diffusion_cond(...) に、steps=100、cfg_scale=7、サンプラーの設定などを渡す。
• 保存：torchaudio.save("output.wav", output, sample_rate)。
• 最長は47秒、ステレオ44.1kHz（モデルカード）。

4-2 diffusers で動かす

• 事前に pip install -U diffusers（モデルカード）。
• StableAudioPipeline.from_pretrained("stabilityai/stable-audio-open-1.0", torch_dtype=torch.float16) で読み込み、pipe(prompt, negative_prompt=..., num_inference_steps=200, audio_end_in_s=10.0, num_waveforms_per_prompt=3, generator=...) で生成する。
• 例では、negative_prompt に「Low quality.」を渡し、シードを固定し、soundfile で hammer.wav に保存します。
• 渡るデータ：手元で処理されます。モデルのファイルの取得時だけHugging Faceと通信します。

つなぎ方5：Gradioの画面（ブラウザから操作する）

stable-audio-tools のREADMEのフラグです。

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

stable-audio-3 のREADMEにも、uv run python run_gradio.py --model medium という画面の起動例があり、「shareable link」が出ると書かれています。外から開けるリンクは、他人が生成を動かせる可能性があるため、使う前に必ず原文で意味を確かめてください。

つなぎ方6：LoRA（自分の音源で調整）

公式の docs/workflows/lora.md の要点です。

1. uv sync --extra lora で機能を入れる。
2. 音声と説明文のセットを置いたフォルダを用意する（目安は20〜50クリップ以上）。
3. 学習を実行する：

uv run python scripts/train_lora.py --model medium-base --data_dir ./my_data --rank 16 --adapter_type dora-rows --steps 1000

1. 出力：.safetensors（50〜200MB程度）。lora_config がファイルのメタデータに入っているため、推論のときに設定が自動で適用される、と書かれています。
2. 使う：Gradioなら --lora-ckpt-path lora.safetensors（複数の場合は並べて渡す）。Pythonなら set_lora_strength(model, 0.5)。CLIの --lora-ckpt-path と --lora-strength は、docs/workflows/lora.md ではなくメインのREADMEのCLI例に載っています（lora.mdは、推論用の別のCLIは書いていないと読み取れます）。

3. 強さの調整：Gradioの画面に、LoRAごとのDiffusion Transformer strength（既定1.0、範囲0.0〜10.0）、Conditioner strength、Interval、Layer filterがあります。

4. 必要なGPUメモリの目安は、mediumで約6.5GB（省メモリ設定で約5.5GB）、smallで約2.5GB（同約2GB）と書かれています。

5. ページには、表の既定値と本文の既定値が合わない所、コマンドの項目名の一部が表に無い所、学習と推論で項目の書き方（アンダースコアとハイフン）が違う所があります。コマンドは原文で確かめてください。
6. 渡るデータ：自分の音源は手元の学習に使われ、外には出ない、というのは、手元で動かす限りの話です。3.0の発表には、エンタープライズのライセンスを持つ組織には、調整の支援が付くと書かれています。

つなぎ方7：Webアプリの中のProducer chat

Webアプリの中に組み込まれたAIです。外部のAIを呼ぶ設定ではありません。

パートナー・外部サービス

そのため、これらの会社のサービスでStable Audioを使うときの設定画面、料金、データの扱いは、この記事では書けません。各社のページで確かめてください。

AIとAIをつなぐときの考え方（この記事の見立て）

公式の手順ではなく、この記事の見立てです。

• 文章を別のAIに作らせて、Stable Audioに入れる。 Stable AudioのAPIは、文章を項目として受け取ります。別のAIが作った文章を、人が貼る、またはプログラムで渡す形になります。公式に、この組み合わせを自動化する仕組みの記載は見つかっていません。
• APIキーを渡す先に注意。 プログラムやエージェントにAPIキーを渡すと、そのプログラムがあなたのクレジットで生成できます。キーは1個ずつ分けて作れる（最大10個）ので、用途ごとに分けると、削除するときに他へ影響しにくくなります。
• プロンプトの形式を合わせる。 公式のプロンプトガイドは、ジャンル、楽器、雰囲気、BPMを具体的に書くよう案内しています。別のAIに文章を作らせるなら、この形を指示に入れておくと揃います。

渡るデータのまとめ

気をつけること

• 読めなかったもの。 stableaudio.com/plugin の本文、Stable Audio 3の生成APIのページ、各パートナーのページ、Integrationsの3本の記事は、読んでいません。
• 公式のMCP・コネクタ。 今回読んだページに、Stable Audio向けの公式のMCPサーバーやチャット型AI向けのコネクタの記載は見つかりませんでした。無い、と言い切る資料でもありません。
• コマンドと設定。 この記事のコマンドは、取得したページの要約からの写しで、崩れている可能性があります。実行する前に原文と見比べてください。「この記事で組んだ例」は動作を確かめていません。
• 共有リンクと公開。 Gradioの --share は、外部に画面が開く可能性があります。使うときは、READMEの原文で意味を確かめてください。
• beta。 プラグインは、公式がbetaと書きます。機能と対応OSは変わる可能性があります。
• キーは秘密。 公式のヘルプの警告のとおり、クライアント側のコードや公開リポジトリにキーを置かないでください。

出典

• API reference（Stability AI docs、確認日 2026-10-25）
• Fetch Audio Result（Stability AI docs、確認日 2026-10-25）
• Pricing（Stability AI docs、確認日 2026-10-25）
• Stable Audio（Stability AI docs、確認日 2026-10-25）
• Where can I find my API Key?（Stability AI Knowledge Base、確認日 2026-10-25）
• How to delete and/or cycle API keys（Stability AI Knowledge Base、確認日 2026-10-25）
• Opt-out of Data Training for Platform API（Stability AI Knowledge Base、確認日 2026-10-25）
• Tips for using the Stable Audio 2.5 Audio-to-Audio API（Stability AI Knowledge Base、確認日 2026-10-25）
• Platform API（Stability AI Knowledge Base 分類ページ、確認日 2026-10-25）
• Integrations（Stability AI Knowledge Base 分類ページ、確認日 2026-10-25）
• Stable Audio（Stability AI Knowledge Base 一覧、確認日 2026-10-25）
• Stable Audio 3 Prompt Guide（Stability AI Knowledge Base、確認日 2026-10-25）
• Why Was My Prompt Flagged?（Stability AI Knowledge Base、確認日 2026-10-25）
• How to use Stable Audio（Stability AI Knowledge Base、確認日 2026-10-25）
• Stable Audio DAW Plugin Guide（Stability AI Knowledge Base、確認日 2026-10-25）
• Setting Up the Stable Audio Plugin in Ableton Live（Stability AI Knowledge Base、確認日 2026-10-25）
• Download the Stable Audio VST（Stability AI、確認日 2026-10-25。タイトルと説明のみ取得）
• Stable Audio 3.0（Stability AI 製品ページ、確認日 2026-10-25）
• Stable Audio 3.0 の発表（Stability AI、5月20日付、確認日 2026-10-25）
• stable-audio-3-medium モデルカード（Stability AI、Hugging Face、確認日 2026-10-25）
• stable-audio-open-1.0 モデルカード（Stability AI、Hugging Face、確認日 2026-10-25）
• stable-audio-3 リポジトリ（Stability AI、GitHub、確認日 2026-10-25）
• LoRA Workflow（stable-audio-3 リポジトリ docs/workflows/lora.md、確認日 2026-10-25）
• stable-audio-tools リポジトリ（Stability AI、GitHub、確認日 2026-10-25）