Stability AI 升級 Stable Assistant：支援區域性改圖，還能生成 3 分鐘音樂

以前想改圖裡的一個小物件，你要麼開啟 Photoshop 摳半天，要麼在生圖軟體裡不斷抽卡，祈禱畫面別崩。現在 Stability AI 想把這事塞進一個聊天框裡搞定。

Stability AI 宣佈為旗下的聊天機器人產品 Stable Assistant 推出兩項新功能：一個是圖片裡的「區域性替換」（Search & Replace），另一個則是直接接入 Stable Audio 生成長達 3 分鐘的完整音樂。

聊天框裡的修圖與配樂工作臺

先來看修圖。新加入的「區域性替換」功能，專門用來對付那些整體構圖不錯、但某些元素不稱心的圖片。

你只需要上傳自己的圖片，圈出或者指定畫面裡的某樣東西，告訴它想換成什麼，模型就會在儘量不破壞整體構圖的前提下，把新物體無縫融進背景裡。

這對於做視覺設計的創作者來說很實用，不需要為了換個道具把整張圖重新跑一遍。

另一個變化是它開始有聲音了。Stable Assistant 整合了 Stable Audio 2.0 的能力，現在能直接生成最長 3 分鐘的高質量純音樂音軌。

輸出規格是標準的 44.1 kHz 立體聲。根據官方介紹，這套音訊模型使用的是來自 AudioSparx 音樂庫的合規授權資料集進行訓練的。

加上原本就有的文生圖、保留結構生圖、外繪擴圖、畫質修復、背景摳除，以及基於 Stable Video Diffusion 的圖生影片和文生影片，這個助理越來越像一個多模態創作大雜燴。

官方目前為新使用者提供了 3 天免費試用，想體驗完整的工具鏈可以直接上手。

為什麼重要

我們認為，Stable Assistant 這一步走得相當務實，它反映出影像生成工具正在從「展示模型能力」轉向「爭奪日常工作流」。

對於個人創作者和中小團隊來說，最大的價值在於流程的聚合。過去你要先用 Midjourney 或 SD 生圖，拉進修圖軟體扣掉瑕疵，再去音訊網站找免版權 BGM，現在這些動作被集中到了一個對話介面裡。

尤其是區域性替換功能，解決的是嚴肅創作中最讓人頭疼的穩定性和可控性問題。只要不用每次改動都全圖重繪，可用度就會直線上升。

但隱患也很明顯。現在的多模態助手都在往全能方向走，而 Stability AI 的底層核心是 Stable Diffusion 3 等自研模型。

這類工具一旦把生圖、影片、音訊全都打包進收費訂閱，使用者就會拿它跟市面上專精單一賽道的頂尖產品逐一對比。如果音訊比不上專門的音樂模型，影片比不上專屬的影片工具，大而全的助手就容易變成雞肋。

不過就目前來看，搬出 AudioSparx 這種合規版權庫來做商業化音訊，至少給在乎版權風險的商業客戶吃了一顆定心丸。