Stable Audio 3 Small SFX : bruitages gratuits par IA pour jeux
Stable Audio 3 Small SFX : bruitages IA gratuits, utilisables à des fins commerciales, en 3 s sur portable sans GPU. Installation, licence, prompts.

La page d'accueil de mon site est une base lunaire : Terry, le personnage principal, peut s'y promener, passer les portes automatiques et aller commander un cocktail au bar. Les graphismes sont de plus en plus soignés, mais il reste un gros défaut : il n'y a presque aucun son. Juste quelques « bips » synthétisés par code dans les mini-jeux. La porte automatique qui coulisse, les pas sur le sol métallique, le robot qui secoue son shaker : tout est muet.
Pour les effets sonores d'un jeu, il y avait jusqu'ici deux options : fouiller les banques de sons une par une en vérifiant les licences, ou payer un service cloud de génération de sons par IA. Stable Audio 3, présenté par Stability AI en mai de cette année, ouvre une troisième voie : son modèle Small SFX est un modèle open source dédié aux bruitages, qui tourne sans carte graphique, sur le CPU d'un simple portable.
Dans cet article : ce qu'est Stable Audio 3 Small SFX, si on peut l'utiliser commercialement, comment l'installer sur sa propre machine, puis 10 effets sonores que j'ai générés pour la base lunaire et intégrés au jeu, à écouter ici.
Stable Audio 3, c'est quoi ? Small SFX, Medium et les 4 modèles comparés
Stable Audio 3 est une famille de modèles audio IA présentée par Stability AI le 20 mai 2026. Quatre modèles sortent d'un coup, dont trois à poids ouverts, téléchargeables et exécutables en local :
Modèle | Paramètres | Usage | Matériel | Durée max |
|---|---|---|---|---|
Small SFX | 433 millions | Effets sonores uniquement | Tourne sur CPU | 2 min |
Small | 433 millions | Musique | Tourne sur CPU | 2 min |
Medium | 1,4 milliard | Musique, effets sonores | Carte graphique NVIDIA | 6 min 20 s |
Large | 2,7 milliards | Musique, effets sonores | API uniquement, pas de téléchargement | 6 min 20 s |
La génération précédente, Stable Audio Open Small, plafonnait à 11 secondes ; celle-ci monte d'un coup à plusieurs minutes. En plus de la génération à partir de texte, elle gère l'audio vers audio (partir d'un son existant et lui donner une autre texture) et l'inpainting (régénérer seulement quelques secondes au milieu en gardant le début et la fin). On peut aussi l'affiner avec une LoRA sur sa propre bibliothèque de sons.
La vedette de cet article, c'est le plus petit : Small SFX. Stability le positionne clairement : générer des effets sonores directement sur un téléphone ou un portable ordinaire. La sortie est en stéréo 44,1 kHz, le même format que les banques de sons classiques.
Peut-on utiliser Stable Audio 3 commercialement ? Ce qu'il faut savoir sur la licence
C'est la question qui compte le plus quand on fait un jeu. Voici ce que dit la documentation officielle :
- Les sons générés vous appartiennent : vous pouvez les intégrer à vos œuvres, les publier et les vendre.
- Moins de 1 million de dollars de chiffre d'affaires annuel : c'est la Stability AI Community License qui s'applique, donc usage commercial gratuit pour les indés et les petites équipes.
- Plus de 1 million de dollars de chiffre d'affaires annuel : il faut acheter une Enterprise License.
- L'encodeur de texte a ses propres conditions : le modèle utilise T5Gemma de Google, il faut donc aussi respecter les conditions d'utilisation de Gemma.
- Données d'entraînement : selon Stability, environ 1,28 million d'enregistrements sous licence, issus de la banque de sons sous licence d'AudioSparx et de sons Freesound sous licence CC0, CC BY, etc.
Ce dernier point est important pour les développeurs de jeux. Ce qui inquiète le plus avec le contenu généré par IA, c'est de savoir si les données d'entraînement ont été « volées ». Cette fois, Stability détaille clairement ses sources.
Autre point à noter : les poids PyTorch sur Hugging Face (par exemple stabilityai/stable-audio-3-small-sfx) ne se téléchargent qu'après connexion et acceptation des conditions. La version CPU utilisée ici se télécharge depuis un autre dépôt, stable-audio-3-optimized ; la doc indique que le téléchargement anonyme est possible mais bridé, et chez moi il a fonctionné sans connexion. Quelle que soit la source, les mêmes conditions de licence s'appliquent.
Configuration requise : pas de carte graphique, le CPU d'un portable suffit
Mon portable a un Intel Core Ultra 5 (6 cœurs) et le pilote de la carte NVIDIA ne fonctionne pas, donc en pratique je n'ai que le CPU. Stability propose plusieurs versions optimisées :
- TFLite : CPU uniquement, tourne sous Linux, macOS et Windows (x64), sans installer PyTorch. C'est celle que j'utilise ici.
- MLX : pour les Mac Apple Silicon.
- TensorRT : pour les cartes graphiques NVIDIA, la plus rapide.
La version TFLite de Small SFX pèse environ 1,7 Go au total (modèle audio, décodeur, encodeur de texte) et utilise environ 0,8 Go de mémoire à l'exécution. Vitesse de génération mesurée :
Durée générée | Temps (chargement du modèle compris) |
|---|---|
3 s | environ 2,9 s |
8 s | environ 3,7 s |
30 s | environ 8,4 s |
Autrement dit, sur un portable sans carte graphique, générer un son prend moins de temps que le son lui-même. Modifier le prompt, écouter le résultat : un aller-retour se fait en quelques secondes.
Installer Stable Audio 3 Small SFX (version CPU)
La version CPU officielle gère l'environnement Python avec uv : le script d'installation crée un environnement isolé et télécharge les poids, sans toucher au Python du système.
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 ne télécharge que le modèle d'effets sonores.
Si vous ne voulez pas taper les commandes vous-même, vous pouvez confier ça à un assistant de code IA comme Claude Code ou Codex. Ouvrez-le dans le terminal et tapez :
Installe Stable Audio 3 Small SFX pour moiIl trouvera tout seul la méthode d'installation officielle et téléchargera le code et le modèle ; pour les étapes qui demandent une connexion à Hugging Face, il vous laissera la main. Une fois l'installation terminée, vous pouvez continuer à lui demander de générer des sons, de les convertir et de les découper.
Téléchargement lent ou bloqué ? Connectez-vous à Hugging Face pour lever la limite de débit
Les fichiers du modèle sont hébergés sur Hugging Face. En téléchargement anonyme, Hugging Face limite la quantité de données récupérable sur une période donnée, c'est la limite de débit : le téléchargement devient très lent, ou s'interrompt à mi-chemin et il faut attendre avant de reprendre. Avec un compte gratuit, la limite est beaucoup plus large, et les mêmes 1,7 Go environ se téléchargent généralement en quelques minutes.
Pour la lever :
- Créez un compte gratuit ou connectez-vous sur Hugging Face.
- Dans Access Tokens, créez un token avec la permission Read.
- Dans le dossier d'installation, lancez la commande de connexion et collez le token :
.venv/bin/hf auth loginLes identifiants sont enregistrés sur votre machine, et les téléchargements suivants ne seront plus bloqués par la limite de débit : relancez ./install.sh -y --download sm-sfx pour reprendre. Le huggingface-cli login qu'on voit dans les anciens tutos fait la même chose ; les versions récentes de huggingface_hub l'ont remplacé par hf auth login.
Pour la version PyTorch (stabilityai/stable-audio-3-small-sfx), il faut en plus accepter les conditions de licence sur la page du modèle, sinon le téléchargement est refusé.
Une fois installé, une seule commande suffit pour générer :
./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.wavLes paramètres les plus utiles :
--seconds: la durée à générer, en secondes.--seed: la graine aléatoire. Le même prompt avec une autre graine donne une autre version.--steps: le nombre d'étapes de génération, 8 par défaut ; selon Stability, 8 est le meilleur compromis, et plus n'est pas forcément mieux.--init-audio,--inpaint-range: audio vers audio et inpainting.
Il y a aussi une interface web, ./sa3-gradio, si vous préférez le navigateur à la ligne de commande.
Comment écrire un prompt pour des effets sonores IA ?
Le guide officiel des prompts recommande qu'une description d'effet sonore contienne trois choses :
- La source du son : ce qui produit le son, par exemple « une porte coulissante en métal » ou « un shaker rempli de glaçons ».
- L'action : comment le son est déclenché et combien de temps il dure, par exemple « s'ouvre », « secoué fort », « glisse sur le comptoir puis s'arrête ».
- La prise de son : distance du micro, espace, traitement, par exemple « close mic », « metallic room », « clean recording ».
Deux petites astuces en plus :
- Commencer par
TrackType: SFX.: d'après Stability, les sons générés sont plus cohérents. - Viser court : la plupart des bruitages ne durent qu'une ou deux secondes. Mais le modèle a tendance à remplir toute la durée demandée, donc je donne un peu de marge et je coupe l'excédent après génération.
Le prompt doit être en anglais, et plus il ressemble à la description d'un fichier de banque de sons, mieux c'est, puisque ce sont précisément ces banques qui ont servi à l'entraîner.
Laisser Claude Code ou Codex écrire les prompts
Inventer une description en anglais à chaque fois, c'est fatigant. On peut inscrire les principes ci-dessus dans la config globale de son assistant de code IA : ~/.claude/CLAUDE.md pour Claude Code, ~/.codex/AGENTS.md pour Codex. Ensuite, il suffit de dire en français « fais-moi un son de porte qui s'ouvre » pour qu'il écrive le prompt selon ces règles et génère le son. Collez ceci à la fin du fichier :
## Générer des effets sonores avec Stable Audio 3 Small SFX
Quand je demande un effet sonore, écris le prompt selon ces règles, puis génère-le avec Stable Audio 3 Small SFX installé en local :
- Prompt toujours en anglais, commençant par `TrackType: SFX.`.
- Décris trois choses dans l'ordre : la source du son (ce qui produit le son, la matière), l'action (comment il est déclenché, son intensité, sa durée), la prise de son (close mic / distant, room tone, clean recording).
- Écris comme la description d'un fichier de banque de sons : noms concrets et adjectifs, pas d'histoire ni d'émotion, aucun terme lié à la musique.
- Un seul événement sonore par prompt ; pour un son continu (pas, ambiance), précise "single" ou "loop".
- Demande 1 à 2 secondes de plus que nécessaire, puis coupe l'excédent après génération.
- Génère chaque prompt avec 3 seeds différentes et liste les noms de fichiers et les prompts pour que je choisisse.
- Pour une intégration web ou jeu, coupe les silences au début et à la fin, ajoute un court fondu de sortie, harmonise le volume et convertis en mp3.Par exemple, le bruit du shaker au bar de la base lunaire vient de ce prompt :
TrackType: SFX. Cocktail shaker shaken hard with ice cubes, rhythmic rattling, close mic, barTest réel : 10 effets sonores pour la base lunaire
J'ai listé les 10 sons dont la base lunaire avait le plus besoin et généré chacun avec 3 graines différentes, soit 30 clips, le tout en moins de 2 minutes. Les fichiers ci-dessous sortent directement du modèle, seul le volume a été harmonisé ; pour les pas et le sas, ce sont des extraits du jeu lui-même, pour entendre ce que ça donne une fois intégré. Sous chaque clip, le prompt complet :
TrackType: SFX. Sci-fi sliding door opening, short pneumatic hiss and smooth electric servo whir, metal panel gliding, close mic, clean recordingTrackType: SFX. Spaceship airlock cycling, heavy mechanical clunk, long pressure-equalizing air hiss, then a lock latching, metallic roomTrackType: SFX. Footsteps of one person walking at a steady pace on a hollow metal deck floor, rubber-soled boots, indoor, dry, close micTrackType: SFX. Footsteps walking at a steady pace on dry gravel and fine dust, crunchy, outdoors, close micTrackType: SFX. Fluorescent ceiling light switching on, sharp relay click followed by a soft electrical hum, close micTrackType: SFX. Space station interior room tone, steady low ventilation hum, soft air handling, distant machinery, constant, no events, seamless backgroundTrackType: SFX. Cocktail shaker shaken hard with ice cubes, rhythmic rattling, close mic, barTrackType: SFX. Pouring a drink into a glass with ice cubes, liquid splash and ice clinking, close micTrackType: SFX. Glass tumbler sliding across a smooth bar counter and stopping, short friction slide, close micQuelques observations :
- Les sons au rythme régulier sont les plus faciles à exploiter : avec « des pas à allure régulière », l'intervalle entre chaque pas est presque constant (environ 0,7 s), ce qui les rend très faciles à découper un par un.
- Il comprend les descriptions séquentielles : le sas sort bien dans l'ordre « gros bruit mécanique → long sifflement de décompression ».
- Il remplit la durée : demandez une porte de 3 secondes, il vous donnera plus de deux secondes de sifflement, plus long qu'une vraie porte, donc il faut couper.
- Il ajoute parfois des événements : sur une des versions de la lampe, un « clic » supplémentaire apparaît au milieu ; dans ce cas, on passe à la graine suivante.
Sound design de jeu : intégrer les effets sonores IA
La génération n'est que la première étape : pour qu'un son sonne juste dans le jeu, il faut encore le traiter. La base lunaire est un jeu web en Three.js, et le son passe par la Web Audio API du navigateur :
- Découper les pas un par un : les pas sont détectés automatiquement dans l'enregistrement de marche de 8 secondes et découpés en 6 fichiers de pas individuels. À chaque pas, le jeu en tire un au hasard et décale légèrement la hauteur, pour éviter l'effet « même son en boucle ».
- Caler les pas sur le contact du talon : en lisant la hauteur des os du pied dans l'animation de marche, on mesure à quel moment exact le talon touche le sol, et le son part à cet instant, au lieu d'être joué à intervalle fixe.
- Une ambiance en boucle sans raccord audible : sur les 30 secondes d'ambiance, la fin et le début sont fondus l'un dans l'autre pour obtenir un fond sonore qui boucle sans raccord audible.
- Pas d'air sur la Lune : quand on sort de la base en combinaison spatiale, l'ambiance baisse et s'étouffe progressivement, et les pas passent dans un filtre passe-bas, comme entendus à travers le casque.
- Liés aux événements du jeu : ouverture et fermeture des portes automatiques, dépressurisation ou repressurisation du sas, lampes du couloir qui s'allument, robot du bar qui secoue et verse : chacun déclenche son propre son, plus faible avec la distance.
- Un interrupteur de son dans le menu du bas : il mémorise votre choix.
Au final, les 23 fichiers audio ne pèsent que 632 Ko, une charge minime pour un jeu web. Voici le résultat (montez le son) :
Les limites de Stable Audio 3 Small SFX
Après un tour complet, voici ce qu'il vaut mieux savoir :
- Uniquement des effets sonores : Small SFX ne fait pas de musique ; pour ça, il faut Small ou Medium.
- Prompts en anglais : il ne comprend que l'anglais.
- Générer plusieurs fois, puis choisir : avec le même prompt, la qualité varie pas mal d'une graine à l'autre. Heureusement, c'est rapide : générer 3 à 5 versions d'un coup puis choisir, c'est ce qui fait gagner le plus de temps.
- Il faut quand même retoucher : durée, silence au début, volume, tout doit être traité avant d'aller dans le jeu. Ça aussi, on peut le confier à Claude Code ou Codex : demandez-lui de lancer un subagent séparé qui joue le rôle d'évaluateur audio indépendant, chargé uniquement de vérifier les résultats (silence au début, bonne durée, sons parasites, volume homogène entre les clips), de choisir la meilleure version, de la découper et de la rendre à l'agent principal pour l'intégration. Comme l'évaluateur n'a pas participé à la génération, il a moins tendance à surnoter son propre travail.
- Il ne sait pas ce qui se passe dans le jeu : quand jouer le son, à quel volume, s'il doit être étouffé, tout ça reste à concevoir soi-même dans le jeu.
Le plus gros avantage pour un dev indé : mettre les sons dès le début
Quand on développe un jeu avec un assistant de code IA, je trouve que la vraie valeur de Small SFX n'est pas la qualité sonore, mais le fait de pouvoir intégrer les sons dès le début du développement.
Au début, on ne sait pas vraiment si ces sons seront les bons, mais peu importe : ils servent de placeholders. Une porte, des pas, un bouton, on en génère un de chaque et on branche le code de déclenchement. Plus tard, passer à une meilleure version revient à remplacer le fichier du même nom ; le timing, le volume et les réglages de distance restent en place.
Si on attend la fin du projet pour ajouter le son, ça coûte plusieurs fois plus de temps et de tokens. La raison tient à la façon dont l'agent décide où mettre des sons : il doit capturer le jeu écran par écran et analyser les captures, comprendre l'histoire et les actions, pour savoir quand la porte s'ouvre, quand le pied touche le sol, où il faut du son. Plus le jeu est gros, plus il y a d'écrans à repasser. À l'inverse, si on ajoute le son au moment où on code chaque fonctionnalité, l'agent sait déjà ce qu'il vient d'écrire et n'a pas besoin de revenir en arrière.
Conclusion : un portable suffit pour créer les effets sonores d'un jeu
Pendant longtemps, j'ai pensé que le son était la partie la plus difficile à combler quand on fait un jeu seul : impossible de trouver pile le bon son dans les banques, et pas de matériel pour enregistrer soi-même. Stable Audio 3 Small SFX ramène la barre à « un portable, une phrase en anglais, quelques secondes », avec un usage commercial autorisé et des données d'entraînement sous licence : un outil vraiment accueillant pour les développeurs indépendants.
La base lunaire a enfin du son. Et vous, comment gérez-vous le son dans vos jeux ? Venez en discuter en commentaire sous mes posts sur Threads ou X.


