Otoño de 2026 · Desde la Base Tranquilidad
Entra al estudio lunar ↗
Desarrollo de juegos

Stable Audio 3 Small SFX: efectos de sonido gratis con IA

Stable Audio 3 Small SFX: efectos de sonido con IA gratis y de uso comercial, en 3 s en un portátil sin GPU. Instalación, licencia, prompts.

Un astronauta con auriculares genera efectos de sonido en un portátil dentro de una base lunar; una puerta automática, huellas, una coctelera, una luz y una esclusa salen flotando en ondas naranjas y un robotito sostiene una pértiga
Un astronauta con auriculares genera efectos de sonido en un portátil dentro de una base lunar; una puerta automática, huellas, una coctelera, una luz y una esclusa salen flotando en ondas naranjas y un robotito sostiene una pértiga

La portada de mi web es una base lunar: Terry, el protagonista, puede pasear por ella, cruzar puertas automáticas e ir al bar a pedir un cóctel. Los gráficos están cada vez más pulidos, pero siempre ha tenido un gran defecto: casi no tiene sonido. Solo unos cuantos «bips» sintetizados por código en los minijuegos. La puerta automática que se desliza, los pasos sobre el suelo metálico, el robot agitando la coctelera: todo en silencio.

Para los efectos de sonido de un juego había dos caminos: buscar en bancos de sonidos uno por uno y revisar las licencias, o pagar un servicio de generación de sonido con IA en la nube. Stable Audio 3, que Stability AI presentó en mayo de este año, abre un tercer camino: su Small SFX es un modelo open source pensado solo para efectos de sonido, que no necesita tarjeta gráfica y funciona con la CPU de un portátil.

En este artículo cuento qué es Stable Audio 3 Small SFX, si se puede usar comercialmente y cómo instalarlo en tu propio ordenador, y luego lo pongo a prueba creando 10 efectos de sonido para la base lunar, ya integrados en el juego para que los escuches.

¿Qué es Stable Audio 3? Small SFX, Medium y los 4 modelos comparados

Stable Audio 3 es una familia de modelos de audio con IA que Stability AI presentó el 20 de mayo de 2026. Salen cuatro modelos a la vez, tres de ellos con pesos abiertos que puedes descargar y ejecutar en tu ordenador:

Modelo

Parámetros

Uso

Hardware

Duración máx.

Small SFX

433 millones

Solo efectos de sonido

Funciona en CPU

2 min

Small

433 millones

Música

Funciona en CPU

2 min

Medium

1400 millones

Música, efectos de sonido

Tarjeta gráfica NVIDIA

6 min 20 s

Large

2700 millones

Música, efectos de sonido

Solo API, sin descarga

6 min 20 s

La generación anterior, Stable Audio Open Small, llegaba como mucho a 11 segundos; esta salta de golpe a varios minutos. Además de generar a partir de texto, admite audio a audio (tomar un sonido como base y darle otra textura) y regeneración parcial o inpainting (rehacer solo unos segundos del medio y conservar el principio y el final). También se puede ajustar con LoRA usando tu propia biblioteca de sonidos.

El protagonista de este artículo es el más pequeño: Small SFX. Stability lo posiciona con claridad: generar efectos de sonido directamente en móviles o portátiles normales. La salida es estéreo a 44,1 kHz, el mismo formato que los bancos de sonidos habituales.

¿Se puede usar Stable Audio 3 comercialmente? Lo clave de la licencia

Es lo que más importa cuando haces un juego. Esto es lo que dice la información oficial:

  • Los sonidos generados son tuyos: puedes incluirlos en tus obras, publicarlos y venderlos.
  • Ingresos anuales por debajo de 1 millón de dólares: se aplica la Stability AI Community License, así que particulares y equipos pequeños pueden usarlo comercialmente gratis.
  • Ingresos anuales por encima de 1 millón de dólares: hay que comprar una Enterprise License.
  • El codificador de texto tiene sus propios términos: el modelo usa T5Gemma de Google, así que también hay que cumplir los términos de uso de Gemma.
  • Datos de entrenamiento: según Stability, se usaron unos 1,28 millones de grabaciones con licencia, procedentes del banco de sonidos licenciado de AudioSparx y de sonidos de Freesound con licencias CC0, CC BY y similares.

Este último punto es importante para quien hace juegos. Lo que más preocupa del contenido generado con IA es si los datos de entrenamiento son «robados», y esta vez Stability detalla claramente de dónde salen.

Otra cosa a tener en cuenta: los pesos de PyTorch en Hugging Face (por ejemplo stabilityai/stable-audio-3-small-sfx) solo se pueden descargar tras iniciar sesión y aceptar los términos. La versión para CPU que uso aquí se descarga desde otro repositorio, stable-audio-3-optimized; la documentación oficial dice que se puede descargar de forma anónima, solo que con límite de velocidad, y a mí me funcionó sin iniciar sesión. Eso sí, la descargues de donde la descargues, se aplican las mismas condiciones de licencia.

Requisitos: sin tarjeta gráfica, basta con la CPU de un portátil

Mi portátil tiene un Intel Core Ultra 5 (6 núcleos) y el driver de la gráfica NVIDIA no funciona, así que en la práctica solo tengo CPU. Stability ofrece varias versiones optimizadas:

  • TFLite: solo CPU, funciona en Linux, macOS y Windows (x64), sin instalar PyTorch. Es la que uso en este artículo.
  • MLX: para Mac con Apple Silicon.
  • TensorRT: para tarjetas gráficas NVIDIA, la más rápida.

La versión TFLite de Small SFX ocupa en total unos 1,7 GB (modelo de sonido, decodificador y codificador de texto) y usa unos 0,8 GB de memoria al ejecutarse. Velocidad de generación medida:

Duración generada

Tiempo (incluida la carga del modelo)

3 s

unos 2,9 s

8 s

unos 3,7 s

30 s

unos 8,4 s

Es decir, en un portátil sin tarjeta gráfica, generar un sonido tarda menos que el propio sonido. Cambias el prompt, escuchas el resultado, y en unos segundos ya has dado una vuelta.

Instalar Stable Audio 3 Small SFX (versión CPU)

La versión oficial para CPU gestiona el entorno de Python con uv: el script de instalación crea un entorno aislado y descarga los pesos sin tocar el Python del sistema.

git clone --depth 1 https://github.com/Stability-AI/stable-audio-3
cd stable-audio-3/optimized/tflite
./install.sh -y --download sm-sfx

--download sm-sfx descarga solo el modelo de efectos de sonido.

Si no quieres escribir los comandos tú, también puedes dejárselo a un asistente de programación con IA como Claude Code o Codex. Ábrelo en la terminal y escribe:

Instálame Stable Audio 3 Small SFX, por favor

Encontrará por su cuenta el método de instalación oficial y descargará el código y el modelo; en los pasos que requieran iniciar sesión en Hugging Face te pedirá que lo hagas tú. Una vez instalado, puedes seguir pidiéndole que genere efectos de sonido, los convierta y los recorte.

¿La descarga va lenta o se queda colgada? Inicia sesión en Hugging Face para quitar el límite de velocidad

Los archivos del modelo están en Hugging Face. Si descargas sin iniciar sesión (de forma anónima), Hugging Face limita cuántos datos puedes bajar en cada periodo: es el límite de velocidad (rate limit). La descarga se vuelve muy lenta, o se pausa a medias y tienes que esperar un rato para continuar. Con una cuenta gratuita, el límite es mucho más amplio y esos mismos 1,7 GB suelen bajar en pocos minutos.

Cómo quitarlo:

  1. Regístrate o inicia sesión con una cuenta gratuita en Hugging Face.
  2. En Access Tokens, crea un token con permiso Read.
  3. En la carpeta de instalación, ejecuta el comando de inicio de sesión y pega el token:
.venv/bin/hf auth login

Las credenciales se guardan en tu ordenador y las siguientes descargas ya no se atascarán por el límite de velocidad; vuelve a ejecutar ./install.sh -y --download sm-sfx para continuar. El huggingface-cli login que aparece en tutoriales antiguos hace lo mismo; las versiones nuevas de huggingface_hub lo han cambiado por hf auth login.

Si vas a usar la versión de PyTorch (stabilityai/stable-audio-3-small-sfx), además de iniciar sesión tienes que aceptar los términos de la licencia en la página del modelo; si no, no podrás descargarlo.

Una vez instalado, basta un comando para generar:

./sa3 --dit sm-sfx --decoder same-s \
  --prompt "TrackType: SFX. Sci-fi sliding door opening, short pneumatic hiss and smooth electric servo whir, close mic, clean recording" \
  --seconds 3 --seed 1 --out door-open.wav

Parámetros más usados:

  • --seconds: cuántos segundos generar.
  • --seed: la semilla aleatoria. El mismo prompt con otra semilla da otra versión.
  • --steps: pasos de generación, 8 por defecto; según Stability, 8 es el mejor equilibrio y más no siempre es mejor.
  • --init-audio, --inpaint-range: audio a audio y regeneración parcial.

También incluye una interfaz web, ./sa3-gradio, por si prefieres el navegador a la línea de comandos.

¿Cómo escribir prompts para efectos de sonido con IA?

La guía oficial de prompts recomienda que la descripción de un efecto de sonido incluya tres cosas:

  1. La fuente del sonido: qué lo produce, por ejemplo «una puerta corredera metálica» o «una coctelera con cubitos de hielo».
  2. La acción: cómo se dispara el sonido y cuánto dura, por ejemplo «se abre», «agitada con fuerza», «se desliza por la barra y se detiene».
  3. La grabación: distancia del micro, espacio y procesado, por ejemplo «close mic», «metallic room», «clean recording».

Y dos trucos más:

  • Empezar con TrackType: SFX.: según Stability, así los efectos salen más coherentes.
  • Pedir duraciones cortas: la mayoría de efectos duran uno o dos segundos. Pero el modelo tiende a rellenar toda la duración que le das, así que pido un poco más y recorto lo que sobra después.

El prompt tiene que estar en inglés, y cuanto más se parezca a la descripción de un archivo de un banco de sonidos, mejor, porque se entrenó precisamente con esos bancos.

Deja que Claude Code o Codex escriban los prompts

Inventarte una descripción en inglés cada vez cansa. Puedes poner los principios de arriba en la configuración global de tu asistente de programación con IA: en Claude Code es ~/.claude/CLAUDE.md, en Codex ~/.codex/AGENTS.md. A partir de ahí basta con decirle en español «hazme un sonido de puerta abriéndose» para que escriba el prompt siguiendo estas reglas y genere el sonido. Pega esto al final del archivo:

## Generar efectos de sonido con Stable Audio 3 Small SFX

Cuando pida un efecto de sonido, escribe el prompt con estas reglas y genéralo con Stable Audio 3 Small SFX instalado en local:

- Prompts siempre en inglés, empezando por `TrackType: SFX.`.
- Describe tres cosas en orden: la fuente del sonido (qué lo produce, el material), la acción (cómo se dispara, intensidad, duración) y la grabación (close mic / distant, room tone, clean recording).
- Escribe como la descripción de un archivo de un banco de sonidos: sustantivos concretos con adjetivos, nada de historias ni emociones, ninguna palabra relacionada con música.
- Un solo evento sonoro por prompt; para sonidos continuos (pasos, ambiente), indica "single" o "loop".
- Pide 1–2 segundos más de lo necesario y recorta lo que sobre después de generar.
- Genera cada prompt con 3 seeds distintas y lista los nombres de archivo y los prompts para que elija.
- Para usarlos en web o en un juego, recorta el silencio del principio y del final, añade un fade-out corto, iguala la sonoridad y convierte a mp3.

Por ejemplo, el sonido de la coctelera del bar de la base lunar sale de este prompt:

TrackType: SFX. Cocktail shaker shaken hard with ice cubes, rhythmic rattling, close mic, bar

Prueba real: 10 efectos de sonido para la base lunar

Hice una lista de los 10 sonidos que más necesitaba la base lunar y generé cada uno con 3 semillas distintas: 30 clips en total, en menos de 2 minutos. Los audios de abajo salen directamente del modelo, solo con el volumen igualado; para los pasos y la esclusa pongo directamente escenas del juego, para que oigas cómo quedan ya integrados. Debajo de cada clip va el prompt completo:

Puerta automática abriéndose
TrackType: SFX. Sci-fi sliding door opening, short pneumatic hiss and smooth electric servo whir, metal panel gliding, close mic, clean recording
Ciclo de la esclusa: en el vídeo se cierra la puerta interior, la presión baja a 0 kPa y se abre la puerta exterior
TrackType: SFX. Spaceship airlock cycling, heavy mechanical clunk, long pressure-equalizing air hiss, then a lock latching, metallic room
Pasos sobre suelo metálico
TrackType: SFX. Footsteps of one person walking at a steady pace on a hollow metal deck floor, rubber-soled boots, indoor, dry, close mic
Pasos sobre la grava lunar: en la Luna no hay aire, así que el juego añade un filtro paso bajo, como si lo oyeras a través del casco
TrackType: SFX. Footsteps walking at a steady pace on dry gravel and fine dust, crunchy, outdoors, close mic
Luz con sensor encendiéndose
TrackType: SFX. Fluorescent ceiling light switching on, sharp relay click followed by a soft electrical hum, close mic
Sonido ambiente de la base
TrackType: SFX. Space station interior room tone, steady low ventilation hum, soft air handling, distant machinery, constant, no events, seamless background
Agitando la coctelera
TrackType: SFX. Cocktail shaker shaken hard with ice cubes, rhythmic rattling, close mic, bar
Sirviendo una bebida
TrackType: SFX. Pouring a drink into a glass with ice cubes, liquid splash and ice clinking, close mic
Vaso deslizándose por la barra
TrackType: SFX. Glass tumbler sliding across a smooth bar counter and stopping, short friction slide, close mic

Algunas observaciones:

  • Los sonidos de ritmo constante son los más aprovechables: con «pasos a ritmo constante», el intervalo entre pasos es casi idéntico (unos 0,7 s), así que es muy fácil cortarlos uno a uno.
  • Entiende descripciones con orden temporal: la esclusa sale en el orden «golpe mecánico pesado → largo siseo de despresurización».
  • Rellena toda la duración: si pides una puerta de 3 segundos, te da más de dos segundos de siseo, más largo que una puerta real, así que toca recortar.
  • A veces añade eventos de más: en una de las versiones de la luz con sensor aparece un «clic» extra en medio; en ese caso, pasa a la siguiente semilla.

Diseño de sonido para juegos: meter los efectos con IA en el juego

Generar es solo el primer paso; para que un sonido encaje en el juego hay que procesarlo un poco. La base lunar es un juego web hecho con Three.js, y el sonido se reproduce con la Web Audio API del navegador:

  • Cortar los pasos uno a uno: de la grabación de 8 segundos caminando se detectan automáticamente los pasos y se cortan en 6 archivos de pasos sueltos. En cada paso, el juego elige uno al azar y varía un poquito el tono, para que no suene como el mismo audio repitiéndose.
  • Sincronizar los pasos con el apoyo del talón: leyendo la altura de los huesos del pie en la animación de caminar, se mide en qué momento exacto el talón toca el suelo, y el sonido se reproduce justo ahí, no cada X segundos fijos.
  • Ambiente en bucle sin cortes: en los 30 segundos de ambiente, el final y el principio se funden con un crossfade para conseguir un fondo que se repite sin que se note la costura.
  • En la Luna no hay aire: al salir de la base con el traje espacial, el ambiente se va haciendo más bajo y apagado, y los pasos llevan un filtro paso bajo, como oídos a través del casco.
  • Vinculados a los eventos del juego: puertas automáticas que se abren y cierran, la esclusa que empieza a despresurizar o presurizar, las luces del pasillo que se encienden, el robot del bar que agita y sirve: cada uno dispara su propio sonido, más bajo cuanto más lejos.
  • Un interruptor de sonido en el menú inferior: recuerda tu elección.

Al final, los 23 archivos de audio suman solo 632 KB, una carga mínima para un juego web. Así queda (sube el volumen):

La base lunar con efectos de sonido con IA: pasos en el pasillo, luces con sensor, puerta automática y el robot del bar agitando, sirviendo y deslizando el vaso por la barra

Limitaciones de Stable Audio 3 Small SFX

Después de una ronda completa, conviene tener claro esto:

  • Solo efectos de sonido: Small SFX no hace música; para eso necesitas Small o Medium.
  • Prompts en inglés: solo entiende inglés.
  • Genera varias veces y elige: con el mismo prompt, la calidad cambia bastante de una semilla a otra. Por suerte es rápido: generar de 3 a 5 versiones de golpe y elegir es lo que más tiempo ahorra.
  • Hay que editar el resultado: duración, silencio inicial y volumen necesitan retoques antes de poder meterlo en el juego. Esto también se lo puedes encargar a Claude Code o Codex: pídele que lance un subagent aparte como revisor de sonido independiente, que solo se encargue de revisar lo generado (si hay silencio al principio, si la duración es correcta, si se coló algún sonido que no debería estar, si el volumen es uniforme entre clips), elija la mejor versión, la recorte y se la devuelva al agent principal para meterla en el juego. Como el revisor no participó en la generación, es menos probable que se ponga buena nota a sí mismo.
  • No sabe qué pasa en el juego: cuándo suena, a qué volumen, si tiene que sonar apagado… todo eso lo sigues diseñando tú en el juego.

La mayor ventaja para devs indie: poner el sonido desde el principio

Haciendo juegos con un asistente de programación con IA, creo que el mayor valor de Small SFX no es la calidad del sonido, sino que permite meter los sonidos desde las primeras fases del desarrollo.

Al principio es difícil saber si esos sonidos servirán al final, pero da igual: sirven de placeholder. Una puerta, pasos, un botón; generas uno de cada y conectas el código que los dispara. Más adelante, cambiar a una versión mejor es solo reemplazar el archivo con el mismo nombre; el momento de disparo, el volumen y los ajustes de distancia no hay que rehacerlos.

Si esperas a que el juego esté casi terminado para añadir sonido, te costará varias veces más tiempo y tokens. La razón está en cómo decide el agent dónde poner sonidos: tiene que capturar el juego pantalla a pantalla y analizarlo, entender la historia y las acciones, para saber cuándo se abre la puerta, cuándo pisa el pie y dónde hace falta sonido. Cuanto más grande es el juego, más pantallas tiene que repasar. En cambio, si añades el sonido mientras programas cada función, el agent ya sabe lo que acaba de escribir y no tiene que volver atrás a mirarlo.

Conclusión: con un portátil basta para crear efectos de sonido para juegos

Antes pensaba que el sonido era lo más difícil de cubrir cuando haces un juego tú solo: en los bancos de sonidos cuesta encontrar justo lo que buscas y no tienes equipo para grabarlo tú. Stable Audio 3 Small SFX reduce los requisitos a «un portátil, una frase en inglés y unos segundos», con uso comercial permitido y datos de entrenamiento con licencia: muy amigable para desarrolladores indie.

La base lunar por fin tiene sonido. Y tú, ¿cómo resuelves el sonido en tus juegos? Pásate por mis publicaciones en Threads o X y déjame un comentario.