ElevenLabs 和 Stability AI 本周发布了新的 AI 音乐生成模型，二者均强调在持续的行业版权诉讼背景下使用获得许可的训练数据。ElevenLabs，这家由波兰创立的语音 AI 公司，在 2 月完成 5 亿美元 Series D 轮融资后估值达到 110 亿美元，推出 Music v2。Stability AI 发布 Stable Audio 3.0，这是一个四模型家族，其中三个变体提供开放权重，可生成最长 6 分钟 20 秒的曲目。此次发布是在美国唱片工业协会（RIAA）于 2024 年针对 AI 音乐平台 Suno 和 Udio 提起版权诉讼之后进行的，这使得获得许可的训练数据成为新市场进入者的核心关注点。ElevenLabs 与 Believe、Kobalt 和 Merlin 建立了许可协议；而 Stability AI 则与 Warner Music Group 和 Universal Music Group 合作。Suno 目前估值为 24.5 亿美元（截至 2025 年 11 月），年度经常性收入已突破 3 亿美元，并已被约 1 亿人使用，每天大约生成 700 万首歌曲。
ElevenLabs Music v2 功能
Music v2 是 ElevenLabs 的第二个音乐模型，约在首个版本发布后 10 个月到来。该模型可以在单首曲目内切换流派——从歌剧到重金属再返回——同时保持作曲层面的连贯性。根据 ElevenLabs 的说法，该模型能够处理快速说唱，并能嵌入非音乐类音效而不让作曲结构崩塌。
该模型包含修复（inpainting）功能，允许用户选择并再生曲目中的特定部分，同时保持其余内容不变。用户可以按段落构建歌曲——开头、主歌、副歌——模型会在整首歌中保持连续性，而不是将每段剪辑都当作独立的生成任务。多语言支持已提升，但 ElevenLabs 未发布具体细节。
Music v2 支撑三个平台：ElevenMusic（面向创作者）、ElevenAPI（面向开发者）以及 ElevenCreative（面向品牌）。模型目前已在 ElevenMusic 和 ElevenCreative 上上线。API 访问可通过销售团队的早期准入获得。
定价调整
ElevenLabs 将 ElevenAPI 和 ElevenCreative 的 Music v1 与 v2 定价分别下调最多 50% 和最多 40%，面向自助（self-serve）。公司在 2026 年 4 月实现 5 亿美元的年度经常性收入。ElevenMusic 于 4 月作为面向消费者的应用上线。
Stability AI Stable Audio 3.0 技术规格
Stable Audio 3.0 提供四个模型：Small SFX（设备端音效）、Small（设备端完整音乐作曲）、Medium（最长 6:20，需更强硬件）以及 Large（仅 API）。四个模型中的三个在 Hugging Face 提供开放权重。此前版本 Stable Audio 2.0 可生成最长 3 分钟的曲目。
Small 模型各自以 4.59 亿参数运行，且无需 GPU。Medium 采用 14 亿参数，并能在配备 H200 GPU 的情况下，以约 1.31 秒生成其 6:20 的输出。Large 采用 27 亿参数，且仅面向年收入超过 100 万美元的组织提供 API 服务。这些模型支持按秒级的生成粒度，能够生成到与用户请求的精确长度一致的曲目。
该架构使用 Stability 称为 SAME 的语义-声学自动编码器，旨在在更长输出中维持旋律连贯性。支持 LoRA 微调，使艺术家能够将模型适配到自己的曲库。修复功能包括单段、 多段以及因果延续，用于将曲目从原始终点延长。模型在 ComfyUI 中也得到支持，便于本地部署。
市场背景与法律和解
Suno 在 2025 年 11 月达到 24.5 亿美元估值，并突破 3 亿美元的年度经常性收入。Warner Music 于 2025 年 11 月与 Suno 的诉讼达成和解。Sony 与 Universal Music Group 仍在联邦法院就 Suno 相关事宜进行审理。
Udio 与三大唱片公司全部达成和解，并作为“围墙花园”运营——平台上生成的内容无法导出。
可用性
Stable Audio 3.0 的 Small 和 Medium 模型在 Hugging Face 上可用。Large 通过 Stability AI API 实时上线。Music v2 对 ElevenMusic 用户免费，并可通过 ElevenCreative 与 ElevenAPI 提供商业档位。
