Stable Audio 怎么和其他工具组合：一条可落地的工作流
Stable Audio 是一款在线服务：Stability AI 的音乐与音效生成产品。
单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。
推荐组合：Stable Audio + 混元视频开源模型
混元视频开源模型的定位是：腾讯开源的视频生成模型，可在 ComfyUI 等工具中使用。两者分工可以是：Stable Audio 负责「有声读物试音」这一步，混元视频开源模型负责生成或剪辑视频。
工作流步骤
- 明确交付物和验收标准，例如：两种风格差异明显。
- 准备输入：一个章节的文本，先去掉敏感信息。
- 在 Stable Audio 中执行核心步骤（提示词见下文）
- 把结果交给混元视频开源模型做下一步处理，或从混元视频开源模型取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
有声读物试音
适用情况：手头有一个章节的文本时。
用两种不同的声音风格朗读这一章节的前 300 字：一种沉稳叙述，一种轻松亲切，对比后选择更适合的版本。
验收标准：两种风格差异明显。
交接时最容易出问题的地方
- 格式不兼容：两边导入导出的格式提前测试一次。
- 信息丢失：每次交接附上来源和版本号。
- 责任不清：约定哪一步由谁做最终确认。
- 成本叠加：两个工具都可能计费，先估算用量。
如果暂时不想引入第二个工具，也可以先用 Soundraw 等同类产品替代其中一环，跑通流程后再决定。
更多可以试的用法
分轨练习
适用情况：手头有一首用于练习的歌曲音频时。
把这首歌分离成人声、鼓、贝斯和其他乐器，并把伴奏降低两个半音，方便练唱。
检查点：分离后人声没有明显残留伴奏。
会议录音转写
准备材料：一段 1 小时的会议录音。
转写这段录音并区分发言人，生成要点摘要和待办清单，人名和专有名词按我提供的名单校正：【名单】。
检查点：专有名词按名单校正。
播客后期
准备材料：一期双人录制的原始音频。
处理这期音频：降低底噪、统一两人音量、删除超过 2 秒的停顿，保留自然的语气词，输出前后对比的处理记录。
检查点：人声没有被处理得发闷。
常见问题：降噪后声音发闷
降低处理强度，宁可保留少量底噪。
常见问题：转写错字集中在专有名词
提前提供人名、产品名词表，转写后批量替换。
常见问题：配乐与画面情绪不符
先写清情绪关键词和节奏，再分段生成拼接。
概念补充：响度标准化
把音频调整到平台推荐的响度范围，避免忽大忽小。
概念补充：采样率
每秒采样次数，影响音质与文件大小。
适合人群：音乐人
音乐人可以用 Stable Audio 处理编曲灵感、分轨练习等工作。需要注意：AI 生成音乐的版权归属以平台条款为准，发行前确认。
适合人群：游戏开发者
游戏开发者可以用 Stable Audio 处理原型与素材、NPC 对话与文案等工作。需要注意：关注生成素材的授权和平台对 AI 内容的披露要求。
写在最后
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
本文基于 Stable Audio 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。