Stable Audio 3 Small SFX: effetti sonori gratis con l’IA
Stable Audio 3 Small SFX è gratis anche per uso commerciale: effetti sonori AI in 3 secondi su un portatile senza GPU. Prova e guida.

La home page del mio sito è una base lunare: il protagonista, Terry, può girarci dentro, attraversare le porte automatiche e andare al bar a ordinare un cocktail della casa. La grafica migliora di versione in versione, ma c'è sempre stato un grosso difetto: quasi nessun suono. Solo qualche "bip" sintetizzato via codice nei minigiochi; le porte automatiche che scorrono, i passi sul pavimento di metallo, il robot che agita lo shaker: tutto in silenzio.
Per gli effetti sonori di un gioco finora c'erano due strade: cercarli uno per uno sui siti di librerie audio, controllando ogni licenza, oppure pagare un servizio cloud di generazione audio con l'AI. Stable Audio 3, presentato da Stability AI a maggio di quest'anno, apre una terza strada: il modello Small SFX è open source, fatto apposta per gli effetti sonori, e non richiede una scheda video. Gira sulla CPU di un portatile.
In questo articolo vediamo cos'è Stable Audio 3 Small SFX, se si può usare a fini commerciali, come installarlo sul proprio computer, e poi lo uso davvero per creare 10 effetti sonori per la base lunare, che puoi ascoltare direttamente nel gioco.
Cos'è Stable Audio 3? Confronto tra i 4 modelli, da Small SFX a Medium
Stable Audio 3 è la famiglia di modelli audio AI presentata da Stability AI il 20 maggio 2026. Sono usciti quattro modelli insieme, tre dei quali con pesi aperti, quindi scaricabili ed eseguibili in locale:
Modello | Parametri | Uso | Hardware | Durata massima |
|---|---|---|---|---|
Small SFX | 433 milioni | Solo effetti sonori | Basta la CPU | 2 minuti |
Small | 433 milioni | Musica | Basta la CPU | 2 minuti |
Medium | 1,4 miliardi | Musica, effetti sonori | GPU NVIDIA | 6 min 20 s |
Large | 2,7 miliardi | Musica, effetti sonori | Solo API, non scaricabile | 6 min 20 s |
La generazione precedente, Stable Audio Open Small, arrivava al massimo a 11 secondi; questa sale di colpo a diversi minuti. Oltre alla generazione da testo supporta anche l'audio-to-audio (prendi un suono come base e gli cambi il carattere) e l'inpainting (rigeneri solo qualche secondo nel mezzo, lasciando intatto il resto), e si può fare fine-tuning con LoRA sulla propria libreria di suoni.
Il protagonista di questo articolo è il più piccolo, Small SFX. L'obiettivo dichiarato è chiaro: generare effetti sonori direttamente su dispositivi come smartphone e portatili comuni. L'output è stereo a 44,1 kHz, lo stesso formato delle librerie di effetti sonori.
Stable Audio 3 si può usare a fini commerciali? La licenza in breve
È la domanda che conta di più per chi fa giochi. Ecco cosa dice la documentazione ufficiale:
- Gli effetti generati sono tuoi: puoi inserirli nei tuoi lavori, pubblicarli e venderli.
- Fatturato annuo sotto 1 milione di dollari: vale la Stability AI Community License, quindi singoli e piccoli team possono usarlo gratis anche a fini commerciali.
- Fatturato annuo sopra 1 milione di dollari: serve una Enterprise License a parte.
- L'encoder di testo ha termini propri: il modello usa T5Gemma di Google, quindi vanno rispettati anche i termini d'uso di Gemma.
- Dati di addestramento: secondo Stability sono circa 1,28 milioni di registrazioni con licenza, provenienti dalla libreria AudioSparx e da suoni su Freesound con licenze come CC0 e CC BY.
L'ultimo punto è importante per chi sviluppa giochi. La paura più grande con i contenuti generati dall'AI è "i dati di addestramento sono stati rubati?", e stavolta Stability ha indicato le fonti in modo chiaro.
Un'altra cosa da sapere: i pesi PyTorch su Hugging Face (per esempio stabilityai/stable-audio-3-small-sfx) si scaricano solo dopo aver fatto login e accettato i termini. La versione CPU che uso qui viene da un altro repository, stable-audio-3-optimized: la documentazione dice che il download anonimo funziona ma con limiti di velocità, e nella mia prova è andato a buon fine anche senza login. In ogni caso, da qualunque parte lo scarichi, valgono le stesse condizioni di licenza.
Requisiti: niente GPU, basta la CPU di un portatile
Il mio portatile ha un Intel Core Ultra 5 (6 core) e il driver della scheda NVIDIA non è attivo, quindi in pratica c'è solo la CPU. Stability offre diverse versioni ottimizzate:
- TFLite: solo CPU, gira su Linux, macOS e Windows (x64) senza installare PyTorch. È quella usata in questo articolo.
- MLX: per Mac con Apple Silicon.
- TensorRT: per GPU NVIDIA, la più veloce.
I file della versione TFLite di Small SFX (modello audio, decoder ed encoder di testo) pesano in tutto circa 1,7 GB e in esecuzione occupano circa 0,8 GB di RAM. Ecco i tempi reali:
Durata generata | Tempo impiegato (incluso caricamento del modello) |
|---|---|
3 secondi | circa 2,9 secondi |
8 secondi | circa 3,7 secondi |
30 secondi | circa 8,4 secondi |
In altre parole, su un portatile senza scheda video l'effetto sonoro si genera più in fretta di quanto duri. Cambi il prompt, ascolti il risultato: un giro completo in pochi secondi.
Installare Stable Audio 3 Small SFX (versione CPU)
La versione CPU ufficiale usa uv per gestire l'ambiente Python: lo script di installazione crea un ambiente isolato e scarica i pesi da solo, senza toccare il Python di 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 scarica solo il modello per gli effetti sonori.
Se non vuoi digitare i comandi a mano, puoi affidare il lavoro a un assistente di programmazione AI come Claude Code o Codex: aprilo nel terminale e scrivi:
Installami Stable Audio 3 Small SFXTroverà da solo il metodo di installazione ufficiale e scaricherà codice e modello; dove serve il login a Hugging Face ti chiederà di farlo tu. Una volta installato, puoi continuare a chiedergli di generare effetti sonori, convertirli e tagliarli.
Download lentissimo o bloccato? Fai login su Hugging Face per togliere il limite
I file del modello sono su Hugging Face. Se scarichi senza login (in modo anonimo), Hugging Face limita la quantità di dati scaricabili in un certo intervallo di tempo, il cosiddetto rate limit: il download rallenta parecchio, oppure si ferma a metà e devi aspettare prima di ripartire. Con un account gratuito il limite si allarga di molto, e lo stesso pacchetto da circa 1,7 GB di solito si scarica in pochi minuti.
Come risolvere:
- Registrati o accedi con un account gratuito su Hugging Face.
- In Access Tokens crea un token con permesso Read.
- Nella cartella di installazione esegui il comando di login e incolla il token:
.venv/bin/hf auth loginLe credenziali restano salvate sul tuo computer e i download successivi non verranno più frenati dal rate limit: basta rilanciare ./install.sh -y --download sm-sfx per riprendere. Il huggingface-cli login che trovi nelle vecchie guide fa la stessa cosa; nelle versioni recenti di huggingface_hub è diventato hf auth login.
Se vuoi la versione PyTorch (stabilityai/stable-audio-3-small-sfx), oltre al login devi prima accettare i termini di licenza nella pagina del modello, altrimenti il download non parte.
Una volta installato, basta un comando per generare:
./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.wavI parametri più usati:
--seconds: quanti secondi generare.--seed: il seed casuale. Con lo stesso prompt e seed diversi ottieni versioni diverse.--steps: i passi di generazione, 8 di default; secondo Stability 8 è il miglior compromesso e aumentarli non garantisce risultati migliori.--init-audio,--inpaint-range: audio-to-audio e inpainting.
C'è anche un'interfaccia web ufficiale, ./sa3-gradio, se preferisci usare il browser invece della riga di comando.
Come scrivere i prompt per gli effetti sonori AI
La guida ufficiale ai prompt consiglia di includere tre cose nella descrizione di un effetto sonoro:
- La sorgente del suono: cosa produce il suono, per esempio "porta scorrevole di metallo" o "shaker con dentro il ghiaccio".
- L'azione: come viene innescato il suono e quanto dura, per esempio "si apre", "agitato con forza", "scivola sul bancone e si ferma".
- La ripresa: distanza del microfono, ambiente, trattamento, per esempio "close mic", "metallic room", "clean recording".
E due piccoli trucchi:
- Inizia con
TrackType: SFX.: secondo Stability così gli effetti generati risultano più coerenti. - Tieni la durata corta: la maggior parte degli effetti dura uno o due secondi. Però il modello tende a riempire tutta la durata che gli dai, quindi io ne do un po' di più e taglio l'eccesso dopo.
I prompt vanno scritti in inglese, e più assomigliano alle descrizioni dei file delle librerie audio, meglio è, perché il modello è stato addestrato proprio su quelle librerie.
Lascia scrivere i prompt a Claude Code o Codex
Inventarsi ogni volta una descrizione in inglese è faticoso. Puoi mettere queste regole nelle impostazioni globali del tuo assistente di programmazione AI: per Claude Code è ~/.claude/CLAUDE.md, per Codex è ~/.codex/AGENTS.md. Da lì in poi ti basta dire, in italiano, "fammi il suono di una porta che si apre" e lui scriverà il prompt secondo queste regole e genererà l'effetto. Incolla questo blocco in fondo al file:
## Generare effetti sonori con Stable Audio 3 Small SFX
Quando chiedo un effetto sonoro, scrivi il prompt seguendo queste regole e poi generalo con Stable Audio 3 Small SFX in locale:
- Il prompt va sempre in inglese e inizia con `TrackType: SFX.`.
- Descrivi tre cose in quest'ordine: la sorgente del suono (cosa lo produce, il materiale), l'azione (come viene innescato, con che intensità, quanto dura), la ripresa (close mic / distant, room tone, clean recording).
- Scrivi come la descrizione di un file in una libreria di effetti sonori: nomi concreti più aggettivi, niente storie o descrizioni di emozioni, niente termini musicali.
- Descrivi un solo evento sonoro alla volta; per suoni continui (passi, ambienti) specifica "single" o "loop".
- Imposta una durata di 1-2 secondi più lunga del necessario e taglia l'eccesso dopo la generazione.
- Genera ogni prompt con 3 seed diversi ed elenca nomi dei file e prompt così posso scegliere.
- Per l'uso in una pagina web o in un gioco: taglia il silenzio all'inizio e alla fine, aggiungi un breve fade-out, uniforma il volume e converti in mp3.Per esempio, lo shaker del bar della base lunare è nato da questo prompt:
TrackType: SFX. Cocktail shaker shaken hard with ice cubes, rhythmic rattling, close mic, barProva sul campo: 10 effetti sonori per la base lunare
Ho elencato i 10 suoni che servivano di più alla base lunare e ho generato ogni prompt con 3 seed diversi: 30 clip in tutto, in meno di 2 minuti. I file qui sotto sono quelli usciti direttamente dal modello, con il solo volume uniformato; per i passi e l'airlock ho messo invece le scene reali del gioco, così senti come suonano una volta inseriti. Sotto ogni clip trovi il prompt completo:
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 micQualche osservazione:
- I suoni dal ritmo regolare sono i più facili da usare: con "passi a ritmo costante" l'intervallo tra un passo e l'altro è quasi identico (circa 0,7 secondi), quindi è facile tagliarli in passi singoli.
- Capisce le sequenze: la clip dell'airlock esce nell'ordine richiesto, "colpo meccanico pesante → lungo sibilo d'aria".
- Riempie tutta la durata: se chiedi una porta da 3 secondi, ti dà più di due secondi di sibilo, più lungo di una porta vera, quindi va tagliato.
- A volte aggiunge eventi in più: in una delle versioni della luce a sensore c'è un "clic" in più a metà; in quei casi si passa al seed successivo.
Sound design per giochi: inserire gli effetti AI nel gioco
Generare è solo il primo passo: perché i suoni funzionino nel gioco serve un po' di lavorazione. La base lunare è un gioco web fatto con Three.js e i suoni vengono riprodotti con la Web Audio del browser:
- Passi tagliati in passi singoli: dalla registrazione di 8 secondi di camminata estraggo automaticamente ogni passo e ne ricavo 6 file singoli. Nel gioco, a ogni passo ne scelgo uno a caso e sposto un pochino l'intonazione, così non sembra lo stesso suono ripetuto.
- Passi sincronizzati con il tallone: leggo l'altezza delle ossa del piede nell'animazione di camminata, misuro in quale istante il tallone tocca terra e faccio partire il suono proprio lì, invece che a intervalli fissi.
- Ambiente in loop senza stacchi: i 30 secondi di ambiente hanno fine e inizio in dissolvenza incrociata, così diventano un sottofondo che gira all'infinito senza giunture udibili.
- Sulla Luna non c'è aria: quando esci dalla base con la tuta spaziale, il suono ambiente si abbassa e si fa ovattato, e anche i passi passano per un filtro passa-basso, come se li sentissi attraverso il casco.
- Legati agli eventi del gioco: porte automatiche che si aprono e si chiudono, airlock che inizia a depressurizzare o pressurizzare, luci del corridoio che si accendono, robot del bar che agita lo shaker e versa da bere: ogni evento fa partire il suo suono, più basso quanto più sei lontano.
- Un interruttore audio nel menu in basso: ricorda la tua scelta.
Alla fine i 23 file audio pesano in tutto solo 632 KB, un carico minimo per un gioco web. Ecco il risultato (alza il volume):
I limiti di Stable Audio 3 Small SFX
Dopo averlo usato per un po', ecco cosa conviene sapere prima:
- Solo effetti sonori: Small SFX non fa musica; per quella servono Small o Medium.
- Prompt in inglese: capisce solo l'inglese.
- Genera più volte e scegli: con lo stesso prompt, la qualità varia parecchio da un seed all'altro. Per fortuna è velocissimo: generare da 3 a 5 versioni e poi scegliere è la cosa che fa risparmiare più tempo.
- Il risultato va comunque rifinito: durata, silenzio iniziale e volume vanno sistemati prima di metterlo nel gioco. Anche questo si può affidare a Claude Code o Codex: chiedigli di lanciare un subagent separato che faccia da giudice indipendente dei suoni, con il solo compito di controllare i risultati (se c'è silenzio all'inizio, se la durata è giusta, se ci sono suoni che non dovrebbero esserci, se i volumi sono uniformi), scegliere la versione migliore, tagliarla e restituirla all'agent principale che la mette nel gioco. L'agent che fa da giudice non ha partecipato alla generazione, quindi è meno portato a dare voti alti al proprio lavoro.
- Non sa cosa succede nel gioco: quando parte un suono, a che volume, se deve essere ovattato: tutto questo lo devi progettare tu nel gioco.
Il vantaggio più grande per gli sviluppatori indie: gli effetti sonori fin dall'inizio
Quando sviluppi un gioco con un assistente di programmazione AI, secondo me il valore più grande di Small SFX non è la qualità audio, ma il fatto che permette di mettere gli effetti sonori già nelle prime fasi di sviluppo.
All'inizio è difficile sapere se quei suoni andranno bene alla fine, ma non importa: usali come segnaposto. Generi una porta, dei passi, un pulsante e colleghi il codice che li fa partire. Quando poi vuoi una versione migliore, basta sostituire il file con lo stesso nome: tempi, volumi e distanze restano impostati.
Se aspetti la fine del progetto per aggiungere gli effetti sonori, il tempo e i token necessari si moltiplicano. Il motivo sta nel modo in cui l'agent capisce dove servono i suoni: deve catturare il gioco schermata per schermata e analizzarlo, capire trama e azioni, per sapere quando si apre una porta, quando il piede tocca terra, dove serve un suono. Più il gioco è grande, più schermate deve rielaborare. Se invece aggiungi i suoni mentre costruisci ogni funzione, l'agent sa già cosa ha appena scritto e non deve tornare indietro a guardare.
Conclusione: gli effetti sonori di un gioco si fanno con un portatile
Ho sempre pensato che gli effetti sonori fossero la parte più difficile da coprire quando si fa un gioco da soli: nelle librerie è difficile trovare esattamente il suono che serve, e per registrarlo da sé manca l'attrezzatura. Stable Audio 3 Small SFX abbassa la soglia a "un portatile, una descrizione in inglese, qualche secondo", con uso commerciale consentito e dati di addestramento con licenza: per gli sviluppatori indie è un ottimo alleato.
Finalmente la base lunare ha un suono. E tu, quando fai un gioco, come gestisci gli effetti sonori? Scrivimi su Threads o su X e lascia un commento sotto un mio post, ne parliamo.


