Stable Audio 3 ComfyUI 工作流示例

Stable Audio 3 (GitHub) 是 Stability AI 最新开源的音频生成模型，使用全授权音乐数据训练，可用于商业用途。它使用专用子图节点从文本描述生成高质量立体声音频——包括音乐、音效和乐器声音——并支持可选的 Qwen 分类感知重新提示功能。

Stable Audio 3 提供三个变体：

• Small-SFX — 音效和短氛围音，最长 2 分钟。模型小巧，CPU 可运行。
• Small-Music — 短音乐片段，适合设备端使用，最长 2 分钟。
• Medium — 更长曲目，结构和音乐性更完整，最长约 6 分 20 秒。需要 GPU。

相关链接：

• GitHub: Stability-AI/stable-audio-3
• Hugging Face (Comfy-Org/stable-audio-3)
• 博客：发布公告

可用工作流

Stable Audio 3 Medium

Stable Audio 3 Medium 工作流是一个完整的文本转音频流水线。你提供一个简短的文本创意、可选时长、种子和类别——工作流会使用 Qwen 配合分类感知的重新提示模板扩展你的提示词，然后通过 Stable Audio 3 检查点生成立体声音频。

使用方法：

1. 文本创意 — 输入你想生成的声音、音乐或效果的文字描述（例如"强劲节拍的电子舞曲"）
2. 时长 — 设置音频片段长度（秒）
3. 种子 — 调整种子值控制可重现性
4. 类别 — 选择重新提示预设：音乐（Music）、乐器（Instrument）、音效（SFX） 或 单次音效（One-shot）
5. 启用重新提示 — 打开 use_reprompt 开关，让 Qwen 将你的短创意扩展为详细提示词后再生成
6. 点击运行（Ctrl/Cmd + Enter）生成音频。文件将保存在 ComfyUI/output/audio/ 目录

Stable Audio 3 Medium Base

简化版本，不包含 Qwen 提示词扩展。接收完整的文本提示词直接传递给模型。当你已经有详细的提示词、希望加快生成速度时使用。

使用方法：

1. 文本提示词 — 输入详细的音频描述
2. 时长 — 设置音频片段长度（秒）
3. 种子 — 控制可重现性
4. 点击运行（Ctrl/Cmd + Enter）生成音频

模型下载

加载工作流时，如果模型缺失，ComfyUI 会提示并提供对应下载链接。如需手动设置，请下载以下文件并放在正确目录。

检查点

放在以下目录：

📂 ComfyUI/
├── 📂 models/
│   └── 📂 checkpoints/
│       ├── stable_audio_3_medium.safetensors
│       └── stable_audio_3_medium_base.safetensors

文本编码器

放在以下目录：

📂 ComfyUI/
├── 📂 models/
│   └── 📂 text_encoders/
│       ├── t5gemma_b_b_ul2.safetensors
│       └── qwen3.5_2b_bf16.safetensors

放置完成后，在 ComfyUI 中按快捷键 R 刷新节点定义，即可使用最新加载的模型。