Stability AI: Stable Diffusion e Stable Audio

O Stable Diffusion 3.5 é a família de imagem atual da Stability AI. O Large é o carro-chefe de 8 bilhões de parâmetros para trabalho profissional em 1 megapixel, o Large Turbo gera imagens em quatro etapas e o Medium foi feito para rodar em hardware de consumo. O SDXL, mais antigo, e o SDXL Turbo, de uma etapa só, continuam disponíveis.

Os pesos podem ser baixados e hospedados por conta própria pela Community License, usados pela API ou rodados em parceiros de nuvem como o Amazon Bedrock. Essa abertura deixa qualquer pessoa fazer fine-tuning dos modelos ou criar LoRAs e ferramentas em cima deles; também significa que o hardware e a interface ficam por sua conta.

A API da Stability AI vende geração de imagem por chamada: Stable Image Ultra, baseado no SD 3.5 Large, a 8 créditos ($0.08), SD 3.5 Large a 6,5, Large Turbo a 4, Medium a 3,5, Flash a 2,5 e Stable Image Core a 3. Os serviços de edição cobrem apagar, inpainting, outpainting, remoção de fundo, buscar e substituir ou recolorir, e troca de fundo com reiluminação.

Os upscalers vão do Fast (4x, até 4 megapixels, 2 créditos) ao Conservative (40) e ao Creative (60), que reconstrói imagens de baixa qualidade em 4K. Os serviços de controle guiam uma nova imagem a partir de um esboço, de uma estrutura ou de uma referência de estilo. A Stability diz que toda chamada à API passa por filtro de conteúdo impróprio e que os resultados têm assinatura C2PA; o limite é de 150 requisições a cada 10 segundos.

O Stable Audio é hoje o principal produto de consumo da Stability AI e abre a página inicial dela. O Stable Audio 3.0 cria faixas completas de até seis minutos em 44,1 kHz estéreo, transforma áudio enviado com um prompt e pode refazer ou estender parte de uma faixa. A Stability diz que os modelos são treinados apenas com música licenciada, da biblioteca AudioSparx.

Você pode usá-lo no stableaudio.com, num plugin VST3 e AU para Mac com sincronização de tempo e arrastar para a faixa (o Windows aparece como em breve), ou pela API a 8 créditos por geração. Os modelos 3.0 Medium e Small têm pesos abertos e podem rodar no seu próprio computador.

O Stable Video Diffusion é o modelo de vídeo da Stability AI. A página dele lista texto para vídeo, 14 ou 25 quadros com taxas de 3 a 30 por segundo e geração em dois minutos ou menos, o que resulta em clipes de poucos segundos, sem som.

A Stability desativou a API do Stable Video Diffusion em 24 de julho de 2025, e o antigo app web stablevideo.com agora redireciona para a página do modelo. O modelo ainda pode ser hospedado por conta própria com uma licença, mas hoje não existe nenhuma forma hospedada pela Stability de criar um vídeo.

O Stable Point Aware 3D (SPAR3D) cria um objeto 3D completo a partir de uma imagem em menos de um segundo e permite editá-lo, e o Stable Fast 3D faz um asset com textura em cerca de 0,5 segundo; os dois estão na API a 4 e 10 créditos. O Stable Video 4D recebe um vídeo de um objeto e devolve novas vistas a partir de oito ângulos.

Os modelos 3D mais antigos, Stable Video 3D, Stable Zero123 e TripoSR, feito com a Tripo AI, continuam disponíveis como pesos para baixar. Eles são voltados a equipes de games, RV, varejo e design que precisam de assets, e não de vídeos prontos.

A Community License permite que pesquisadores, desenvolvedores, criadores e empresas com menos de $1M de receita anual usem de graça o Stable Diffusion 3.5, o SDXL Turbo, o Stable Audio 3.0, o Stable Fast 3D e outros modelos, inclusive para fins comerciais; usuários comerciais precisam se registrar na Stability. Os resultados e os seus fine-tunes, como LoRAs, são seus.

Quando uma empresa e suas afiliadas passam de $1M de receita, a Community License acaba e é preciso uma licença Enterprise, com preço sob consulta e treinamento de modelos personalizados e consultoria opcionais. A Stability também treina modelos personalizados para grandes empresas pela equipe de Strategic Partnerships.