Stable Audio 3 Small SFX: Efek Suara AI Gratis untuk Game
Stable Audio 3 Small SFX gratis, boleh komersial, tanpa GPU, efek suara dibuat dalam 3 detik di laptop. Instalasi, lisensi, prompt, 10 SFX game.

Halaman utama situs saya adalah sebuah pangkalan bulan: tokoh utamanya, Terry, bisa berjalan-jalan di dalamnya, melewati pintu otomatis, lalu mampir ke bar memesan minuman spesial. Visualnya makin lama makin detail, tapi ada satu kekurangan besar yang tidak pernah hilang: hampir tidak ada suara. Cuma ada beberapa bunyi "bip" hasil sintesis kode di mini game, sementara pintu otomatis yang bergeser terbuka, langkah kaki di lantai logam, dan robot yang mengocok shaker koktail semuanya sunyi.
Dulu, efek suara game cuma bisa didapat lewat dua cara: mencari satu per satu di situs aset suara sambil mengecek lisensinya, atau membayar layanan AI pembuat efek suara berbasis cloud. Stable Audio 3 yang dirilis Stability AI bulan Mei tahun ini membuka jalan ketiga: salah satu modelnya, Small SFX, adalah model open source khusus efek suara, tidak butuh kartu grafis, cukup CPU laptop.
Tulisan ini merangkum apa itu Stable Audio 3 Small SFX, apakah boleh dipakai komersial, cara memasangnya di komputer sendiri, lalu saya benar-benar memakainya untuk membuat 10 jenis efek suara pangkalan bulan dan memasukkannya ke game supaya kamu bisa mendengarnya.
Apa itu Stable Audio 3? Perbandingan 4 model: Small SFX, Medium, dan lainnya
Stable Audio 3 adalah seri model audio AI yang dirilis Stability AI pada 20 Mei 2026. Ada empat model yang diluncurkan sekaligus, tiga di antaranya open weight sehingga bisa diunduh dan dijalankan di komputer sendiri:
Model | Jumlah parameter | Kegunaan | Perangkat keras | Durasi maksimum |
|---|---|---|---|---|
Small SFX | 433 juta | Khusus efek suara | Cukup CPU | 2 menit |
Small | 433 juta | Musik | Cukup CPU | 2 menit |
Medium | 1,4 miliar | Musik, efek suara | Kartu grafis NVIDIA | 6 menit 20 detik |
Large | 2,7 miliar | Musik, efek suara | Hanya lewat API, tidak bisa diunduh | 6 menit 20 detik |
Generasi sebelumnya, Stable Audio Open Small, maksimal cuma bisa menghasilkan 11 detik; generasi ini langsung naik jadi beberapa menit. Selain membuat suara dari teks, model ini juga mendukung audio-to-audio (memakai potongan suara sebagai dasar lalu mengubah karakternya) dan inpainting (hanya membuat ulang beberapa detik di tengah, bagian awal dan akhir tetap), serta bisa di-fine-tune dengan LoRA memakai pustaka efek suara milikmu sendiri.
Bintang utama tulisan ini adalah model terkecil, Small SFX. Posisi resminya jelas: membuat efek suara langsung di perangkat seperti ponsel dan laptop biasa. Outputnya stereo 44.1 kHz, sama dengan spesifikasi aset efek suara pada umumnya.
Apakah Stable Audio 3 boleh dipakai komersial? Poin penting lisensinya
Ini pertanyaan yang paling penting bagi pembuat game. Berikut rangkuman dari penjelasan resminya:
- Efek suara yang dihasilkan milikmu: boleh dimasukkan ke karya sendiri, dirilis, dan dijual.
- Pendapatan tahunan di bawah 1 juta dolar AS: berlaku Stability AI Community License, individu dan tim kecil boleh memakainya secara komersial dengan gratis.
- Pendapatan tahunan di atas 1 juta dolar AS: harus membeli Enterprise License.
- Text encoder punya ketentuan sendiri: model ini memakai T5Gemma dari Google, jadi ketentuan penggunaan Gemma juga harus dipatuhi.
- Data pelatihan: menurut penjelasan resmi, dipakai sekitar 1,28 juta rekaman berlisensi, bersumber dari pustaka efek suara berlisensi AudioSparx serta efek suara di Freesound dengan lisensi CC0, CC BY, dan sejenisnya.
Poin terakhir ini penting bagi pembuat game. Kekhawatiran terbesar soal konten buatan AI adalah "apakah data pelatihannya hasil curian", dan kali ini Stability menuliskan sumber datanya dengan sangat jelas.
Satu hal lagi yang perlu diperhatikan: bobot versi PyTorch di Hugging Face (misalnya stabilityai/stable-audio-3-small-sfx) harus login dan menyetujui ketentuan dulu baru bisa diunduh. Versi CPU yang saya pakai di tulisan ini diunduh dari repositori lain, stable-audio-3-optimized; menurut keterangan resmi, unduhan anonim tetap bisa, hanya kecepatannya dibatasi, dan saya sudah mencoba mengunduh tanpa login dan berhasil. Tapi dari mana pun kamu mengunduh, ketentuan lisensi di atas tetap berlaku.
Spesifikasi komputer: tanpa kartu grafis, CPU laptop sudah cukup
Laptop saya memakai Intel Core Ultra 5 (6 core), driver kartu grafis NVIDIA-nya tidak berjalan, jadi praktis hanya ada CPU. Ada beberapa versi teroptimasi yang disediakan resmi:
- TFLite: hanya memakai CPU, berjalan di Linux, macOS, dan Windows (x64), tidak perlu memasang PyTorch. Versi inilah yang saya pakai di tulisan ini.
- MLX: untuk Mac dengan Apple Silicon.
- TensorRT: untuk kartu grafis NVIDIA, paling cepat.
File yang diunduh untuk Small SFX versi TFLite (model efek suara, decoder, text encoder) totalnya sekitar 1.7 GB, dan saat berjalan memakai sekitar 0.8 GB memori. Kecepatan pembuatannya:
Durasi suara | Waktu yang dibutuhkan (termasuk memuat model) |
|---|---|
3 detik | sekitar 2.9 detik |
8 detik | sekitar 3.7 detik |
30 detik | sekitar 8.4 detik |
Artinya, di laptop tanpa kartu grafis, membuat efek suara lebih cepat daripada durasi efek suaranya sendiri. Ubah prompt sekali, dengarkan hasilnya sekali, satu putaran cuma butuh beberapa detik.
Instalasi Stable Audio 3 Small SFX (versi CPU)
Versi CPU resmi memakai uv untuk mengelola lingkungan Python. Skrip instalasinya akan membuat lingkungan terpisah dan mengunduh bobot model sendiri, tanpa menyentuh Python bawaan sistem.
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 hanya mengunduh model efek suara.
Kalau malas mengetik perintah sendiri, kamu juga bisa menyerahkannya ke asisten coding AI seperti Claude Code atau Codex. Buka di terminal lalu ketik:
Tolong pasang Stable Audio 3 Small SFX untuk sayaAsisten itu akan mencari cara instalasi resminya sendiri, lalu mengunduh kode dan modelnya; bagian yang perlu login Hugging Face akan diserahkan kepadamu. Setelah terpasang, kamu bisa lanjut memintanya membuat efek suara, mengonversi format, dan memotong audio.
Unduhan lambat atau macet? Login Hugging Face untuk membuka batas kecepatan
File model disimpan di Hugging Face. Saat mengunduh tanpa login (anonim), Hugging Face membatasi jumlah data yang bisa diunduh per periode waktu, yaitu rate limit: kecepatan unduh jadi sangat lambat, atau unduhan berhenti di tengah jalan dan harus menunggu beberapa saat sebelum bisa lanjut. Setelah login dengan akun gratis, batasnya jauh lebih longgar, dan file sekitar 1.7 GB yang sama biasanya selesai dalam beberapa menit.
Cara membukanya:
- Daftar atau login akun gratis di Hugging Face.
- Buka Access Tokens dan buat token dengan izin Read.
- Di folder instalasi, jalankan perintah login lalu tempelkan token:
.venv/bin/hf auth loginInformasi login disimpan di komputermu sendiri, jadi unduhan berikutnya tidak akan tertahan rate limit lagi. Jalankan ulang ./install.sh -y --download sm-sfx untuk melanjutkan unduhan. Perintah huggingface-cli login yang sering muncul di tutorial lama melakukan hal yang sama; huggingface_hub versi baru sudah menggantinya menjadi hf auth login.
Kalau ingin memakai versi PyTorch (stabilityai/stable-audio-3-small-sfx), selain login kamu juga harus menyetujui ketentuan lisensi di halaman modelnya terlebih dulu, kalau tidak, file tidak bisa diunduh.
Setelah terpasang, cukup satu baris perintah untuk membuat suara:
./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.wavParameter yang sering dipakai:
--seconds: berapa detik yang ingin dibuat.--seed: seed acak. Prompt yang sama dengan seed berbeda akan menghasilkan versi berbeda.--steps: jumlah langkah pembuatan, default 8. Menurut keterangan resmi, 8 adalah titik paling seimbang, lebih banyak belum tentu lebih bagus.--init-audio,--inpaint-range: audio-to-audio dan inpainting.
Ada juga antarmuka web resmi ./sa3-gradio, jadi kalau tidak terbiasa dengan command line, kamu bisa memakainya lewat browser.
Cara menulis prompt efek suara AI
Panduan prompt resmi menyarankan agar deskripsi efek suara memuat tiga hal:
- Sumber suara: benda apa yang berbunyi, misalnya "pintu geser logam" atau "shaker koktail berisi es batu".
- Aksi: bagaimana suara dipicu dan berapa lama berlangsung, misalnya "terbuka", "dikocok keras", "meluncur di atas meja bar lalu berhenti".
- Cara perekaman: jarak mikrofon, ruangan, dan pemrosesan, misalnya "close mic", "metallic room", "clean recording".
Ada dua trik kecil lagi:
- Tambahkan
TrackType: SFX.di awal: menurut keterangan resmi, hasil efek suaranya jadi lebih masuk akal. - Atur durasi agak pendek: sebagian besar efek suara hanya satu atau dua detik. Tapi model cenderung mengisi penuh durasi yang kamu berikan, jadi saya biasanya memberi sedikit lebih panjang lalu memotong kelebihannya setelah jadi.
Prompt harus ditulis dalam bahasa Inggris, dan makin mirip deskripsi file di pustaka aset suara makin baik, karena data pelatihannya memang berasal dari pustaka-pustaka itu.
Serahkan penulisan prompt ke Claude Code atau Codex
Memikirkan deskripsi bahasa Inggris sendiri setiap kali itu melelahkan. Kamu bisa menulis prinsip di atas ke konfigurasi global asisten coding AI: untuk Claude Code di ~/.claude/CLAUDE.md, untuk Codex di ~/.codex/AGENTS.md. Setelah itu cukup bilang dalam bahasa Indonesia "buatkan efek suara pintu terbuka", dan asisten akan menulis prompt dengan cara ini lalu membuat efek suaranya. Tempelkan bagian di bawah ini di akhir file:
## Membuat efek suara dengan Stable Audio 3 Small SFX
Saat saya butuh efek suara, tulis prompt mengikuti aturan berikut, lalu buat dengan Stable Audio 3 Small SFX di komputer lokal:
- Prompt selalu dalam bahasa Inggris, diawali dengan `TrackType: SFX.`.
- Jelaskan tiga hal secara berurutan: sumber suara (benda apa yang berbunyi, bahannya), aksi (bagaimana dipicu, keras atau pelan, berapa lama), cara perekaman (close mic / distant, room tone, clean recording).
- Tulis seperti deskripsi file di pustaka aset suara: kata benda spesifik ditambah kata sifat, jangan ditulis sebagai cerita atau deskripsi emosi, jangan memakai kata-kata yang berhubungan dengan musik.
- Satu prompt hanya untuk satu peristiwa suara; kalau butuh suara berkelanjutan (langkah kaki, suara latar), tulis jelas "single" atau "loop".
- Beri durasi 1–2 detik lebih panjang dari yang dibutuhkan, lalu potong kelebihannya setelah jadi.
- Buat setiap prompt sekali dengan 3 seed berbeda, lalu tampilkan nama file dan prompt-nya supaya saya bisa memilih.
- Kalau akan dipakai di web atau game, potong hening di awal dan akhir, tambahkan fade out pendek, samakan loudness, lalu konversi ke mp3.Contohnya, suara shaker di bar pangkalan bulan dibuat dengan prompt ini:
TrackType: SFX. Cocktail shaker shaken hard with ice cubes, rhythmic rattling, close mic, barUji coba: membuat 10 efek suara game untuk pangkalan bulan
Saya membuat daftar 10 suara yang paling dibutuhkan pangkalan bulan, masing-masing dibuat dengan 3 seed berbeda, total 30 potongan, dan semuanya selesai dalam waktu kurang dari 2 menit. Audio di bawah adalah versi langsung dari model, hanya volumenya yang disamakan; untuk tiga potongan langkah kaki dan airlock, saya langsung memasang cuplikan asli dari game, supaya kamu bisa mendengar hasilnya setelah dipasang ke game. Di bawah setiap potongan ada prompt lengkapnya:
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 micBeberapa pengamatan:
- Suara dengan ritme stabil paling gampang dipakai: "langkah kaki dengan tempo stabil" yang dihasilkan punya jarak antarlangkah yang hampir sama (sekitar 0,7 detik), jadi mudah dipotong menjadi langkah tunggal.
- Model paham deskripsi yang berurutan: potongan airlock keluar sesuai urutan "bunyi mekanis berat → desisan udara panjang".
- Durasi akan diisi penuh: minta suara pintu terbuka 3 detik, kamu akan dapat desisan lebih dari dua detik, lebih panjang dari suara pintu sungguhan, jadi harus dipotong.
- Kadang muncul peristiwa tambahan: salah satu versi lampu sensor punya satu bunyi "klik" ekstra di tengah; kalau begitu, ganti saja ke seed berikutnya.
Membuat efek suara game: memasukkan efek suara AI ke dalam game
Membuat suara barulah langkah pertama. Supaya terdengar pas di dalam game, masih ada pemrosesan yang perlu dilakukan. Pangkalan bulan adalah game web yang dibuat dengan Three.js, dan suaranya diputar lewat Web Audio di browser:
- Langkah kaki dipotong menjadi langkah tunggal: langkah-langkah dideteksi otomatis dari rekaman berjalan 8 detik, lalu dipisahkan menjadi 6 file, masing-masing berisi satu langkah. Di game, setiap langkah memilih satu file secara acak dan pitch-nya digeser sedikit secara acak juga, sehingga tidak terdengar seperti satu suara yang diputar berulang-ulang.
- Langkah kaki pas saat tumit menyentuh tanah: tinggi tulang kaki dibaca dari animasi berjalan karakter, lalu diukur di titik waktu mana tumit menyentuh tanah, dan suara diputar tepat pada saat itu, bukan setiap beberapa detik secara tetap.
- Suara latar dibuat loop tanpa sambungan: bagian akhir suara latar 30 detik di-crossfade dengan bagian awalnya, sehingga jadi suara latar yang bisa diputar terus tanpa terdengar sambungannya.
- Bulan tidak punya udara: setelah memakai baju antariksa dan keluar dari pangkalan, suara latar perlahan mengecil dan menjadi teredam, dan langkah kaki juga diberi filter low-pass, seperti terdengar dari balik helm.
- Terikat pada peristiwa di game: pintu otomatis membuka dan menutup, airlock mulai menurunkan atau menaikkan tekanan, lampu sensor di koridor menyala, robot bar mengocok shaker dan menuang minuman, masing-masing memicu suaranya sendiri, dan makin jauh makin pelan.
- Menu di bawah dilengkapi tombol suara on/off: pilihanmu akan diingat.
Pada akhirnya, 23 file audio itu totalnya cuma 632 KB, beban yang sangat kecil untuk game web. Mari dengar hasilnya (jangan lupa nyalakan suara):
Keterbatasan Stable Audio 3 Small SFX
Setelah mencobanya satu putaran, menurut saya beberapa hal ini perlu diketahui dulu:
- Hanya efek suara: Small SFX tidak bisa membuat musik; kalau butuh musik, pakai Small atau Medium.
- Prompt harus dalam bahasa Inggris: model ini hanya mengerti bahasa Inggris.
- Buat beberapa kali lalu pilih: dengan prompt yang sama, kualitas antar-seed bisa berbeda cukup jauh. Untungnya pembuatannya cepat, jadi membuat 3 sampai 5 versi sekaligus lalu memilih adalah cara paling hemat waktu.
- Hasilnya tetap perlu dipotong: durasi, hening di awal, dan volume harus diproses dulu sebelum bisa langsung dipakai di game. Pekerjaan ini bisa diserahkan ke Claude Code atau Codex: minta ia mengirim satu subagent tambahan sebagai juri audio independen yang tugasnya hanya memeriksa hasil, misalnya ada hening di awal atau tidak, durasinya sudah benar atau belum, ada suara yang tidak seharusnya atau tidak, volume tiap potongan sudah seragam atau belum, lalu memilih versi terbaik, memotongnya, dan menyerahkannya kembali ke agent utama untuk dipasang ke game. Agent juri tidak ikut membuat suaranya, jadi lebih kecil kemungkinannya memberi nilai tinggi untuk hasil kerjanya sendiri.
- Model tidak tahu apa yang terjadi di game: kapan suara diputar, seberapa keras, perlu diredam atau tidak, semuanya tetap harus kamu rancang sendiri di game.
Manfaat terbesar bagi developer indie: efek suara bisa dipasang sejak awal
Saat membuat game dengan asisten coding AI, menurut saya nilai terbesar Small SFX bukan kualitas suaranya, melainkan kemampuannya membuat efek suara bisa dipasang sejak tahap awal pengembangan.
Di tahap awal memang sulit tahu apakah efek suara ini akhirnya cocok, tapi tidak masalah, anggap saja sebagai placeholder: buat satu untuk pintu terbuka, langkah kaki, dan tombol, lalu sambungkan ke kode pemicunya. Nanti kalau mau diganti dengan versi yang lebih bagus, cukup ganti file audio dengan nama yang sama; waktu pemicu, volume, dan pengaturan jarak tidak perlu dikerjakan ulang.
Kalau menunggu game hampir selesai baru menambahkan efek suara, waktu dan token yang dibutuhkan bisa berlipat-lipat. Penyebabnya ada pada cara agent menentukan di mana efek suara perlu ditambahkan: ia harus mengambil screenshot game adegan demi adegan untuk dianalisis, memahami alur cerita dan gerakannya, baru tahu kapan pintu terbuka, kapan kaki menapak, dan di mana butuh suara. Makin besar game-nya, makin banyak adegan yang harus dijalankan ulang. Sebaliknya, kalau efek suara langsung ditambahkan saat setiap fitur dibuat, agent sudah tahu apa yang baru saja ia tulis, jadi tidak perlu menengok ulang.
Penutup: satu laptop sudah cukup untuk membuat efek suara game
Dulu saya merasa efek suara adalah bagian yang paling sulit dilengkapi saat membuat game sendirian: di pustaka aset sulit menemukan suara yang pas, merekam sendiri pun tidak punya peralatan. Stable Audio 3 Small SFX menurunkan hambatannya menjadi "satu laptop, satu kalimat deskripsi bahasa Inggris, beberapa detik", ditambah boleh dipakai komersial dan data pelatihannya berlisensi, sangat ramah untuk developer indie.
Pangkalan bulan akhirnya punya suara. Kalau kamu, bagaimana cara menangani efek suara saat membuat game? Mampir ke Threads atau X, cari postingan saya, dan tinggalkan komentar di sana.


