Stability AI 升级 Stable Assistant：支持局部改图，还能生成 3 分钟音乐

以前想改图里的一个小物件，你要么打开 Photoshop 抠半天，要么在生图软件里不断抽卡，祈祷画面别崩。现在 Stability AI 想把这事塞进一个聊天框里搞定。

Stability AI 宣布为旗下的聊天机器人产品 Stable Assistant 推出两项新功能：一个是图片里的「局部替换」（Search & Replace），另一个则是直接接入 Stable Audio 生成长达 3 分钟的完整音乐。

聊天框里的修图与配乐工作台

先来看修图。新加入的「局部替换」功能，专门用来对付那些整体构图不错、但某些元素不称心的图片。

你只需要上传自己的图片，圈出或者指定画面里的某样东西，告诉它想换成什么，模型就会在尽量不破坏整体构图的前提下，把新物体无缝融进背景里。

这对于做视觉设计的创作者来说很实用，不需要为了换个道具把整张图重新跑一遍。

另一个变化是它开始有声音了。Stable Assistant 整合了 Stable Audio 2.0 的能力，现在能直接生成最长 3 分钟的高质量纯音乐音轨。

输出规格是标准的 44.1 kHz 立体声。根据官方介绍，这套音频模型使用的是来自 AudioSparx 音乐库的合规授权数据集进行训练的。

加上原本就有的文生图、保留结构生图、外绘扩图、画质修复、背景抠除，以及基于 Stable Video Diffusion 的图生视频和文生视频，这个助理越来越像一个多模态创作大杂烩。

官方目前为新用户提供了 3 天免费试用，想体验完整的工具链可以直接上手。

为什么重要

我们认为，Stable Assistant 这一步走得相当务实，它反映出图像生成工具正在从「展示模型能力」转向「争夺日常工作流」。

对于个人创作者和中小团队来说，最大的价值在于流程的聚合。过去你要先用 Midjourney 或 SD 生图，拉进修图软件扣掉瑕疵，再去音频网站找免版权 BGM，现在这些动作被集中到了一个对话界面里。

尤其是局部替换功能，解决的是严肃创作中最让人头疼的稳定性和可控性问题。只要不用每次改动都全图重绘，可用度就会直线上升。

但隐患也很明显。现在的多模态助手都在往全能方向走，而 Stability AI 的底层核心是 Stable Diffusion 3 等自研模型。

这类工具一旦把生图、视频、音频全都打包进收费订阅，用户就会拿它跟市面上专精单一赛道的顶尖产品逐一对比。如果音频比不上专门的音乐模型，视频比不上专属的视频工具，大而全的助手就容易变成鸡肋。

不过就目前来看，搬出 AudioSparx 这种合规版权库来做商业化音频，至少给在乎版权风险的商业客户吃了一颗定心丸。