ElevenLabs vs Stability AI：新AI音樂模型能否追上Suno？深度分析feat.臺灣創作者的未來

🎧 2026年才過沒多久，AI音樂圈就直接颳起風暴。ElevenLabs 和 Stability AI 雙雙端出新版的音樂生成模型，硬是要把目前在AI音樂王座上的 Suno 拉下馬。這場「聲波的軍備競賽」不只是技術的比拚，更牽涉到版權、商業模式、以及創作者的未來。

先說說 ElevenLabs 的最新力作——Music v2。這家以語音AI聞名的波蘭出生的新創，在 2026 年 2 月完成 5 億美元 D 輪融資後，估值已經飆到 110 億美元。這次他們把音樂模型升級到第二版，距離上一次音樂模型問世剛好十個月。最大的賣點是「在高強 Prompt 下依然能維持曲目的完整性」，也就是說在同一首歌裡可以從歌劇直接跳到重金屬，甚至加入音效都不會讓編曲崩潰。這對於需要長篇製作的創作者來說簡直是 「救贖」。

此外，Music v2 帶來了真正可用的 Inpainting 功能：你可以選取一小段，重新生成想要的橋段，其他部分不受影響。也可以像拼圖一樣，一段一段組裝 intro、verse、chorus，讓模型在整首歌中維持情緒連貫。多語言支援也變得更順暢，官方雖然沒明講，但從實際測試來看，中文、法文、甚至臺語的節奏感都有提升。目前 Music v2 已經在 ElevenMusic（創作者平臺）和 ElevenCreative（品牌自託）上線，若想透過 API 接入則需要向業務團隊申請早期資格。更重要的是，ElevenLabs 把 Music v1 和 v2 的費用狂砍 50%（API）或 40%（Creative），讓更多獨立音樂人可以 「白嫖」 使用。

再來看 Stability AI 的 Stable Audio 3.0。作為 Stable Diffusion 的親兄弟，這次的升級同樣讓人驚艷。Stable Audio 3.0 提供了四種模型：小型的 SFX（小模型可在裝置上直接跑音效），小型（本機跑完整樂曲），中型（最長可生成 6 分 20 秒，需要更強的顯示卡），以及大型（僅提供 API，專給大型組織）。其中三款已經公開權重（下載連結就在 Hugging Face），而引數量分別是 4.59 億（小）/ 1.4 億（中）/ 27 億（大）。中型在 NVIDIA H200 GPU 上生成 6 分 20 秒的曲目只需要 1.31 秒，速度簡直嚇死人。

Stable Audio 3.0 另一個亮點是他們全新研發的 SAME（Semantic-Acoustic Autoencoder）架構，能在長時間輸出時保持旋律連貫。還支援 LoRA 微調，讓藝術家可以把模型「套娃」成自己喜歡的風格，像是「BB King藍調節奏」或 「蒸汽波節拍」。Inpainting 也有三種模式：單段落修復、多段落重新生成，還可以使用 Causal Continuation 直接把歌曲延伸到原本的結尾之外。這些功能在去年還是概念驗證，如今已經是production-ready的級別。

版權問題一向是 AI 音樂模型的最大痛點。Suno 在 2024 年被美國唱片業協會（RIAA）告上法庭，指控其未經授權使用受版權保護的音軌進行訓練。ElevenLabs 早就有備而來，先後與 Believe、Kobalt、Merlin 這些獨立的音樂出版巨頭簽訂正式授權，確保生成的作品不會侵犯版權。Stability AI 則找來了環球唱片（Universal Music Group）和華納唱片（Warner Music）做為合作夥伴，license 比之前的版本乾淨許多。對比之下，Suno 雖然已經與 Warner 達成和解，仍被 Sony 與 UMG 繼續在聯邦法院糾纏。

對於臺灣的創作者來說，這場競逐會帶來什麼實際影響？ 首先，ElevenLabs 將目光對準了「創作者」這一塊，ElevenMusic 直接對標 Suno 的使用者基群，提供免費版和付費版，對於想在 Instagram、TikTok 上快速生成短影片配樂的年輕人簡直是 「神隊友」。Stable Audio 3.0 的開放權重讓本地的技術愛好者可以在自己的膝上型電腦上 Fine‑tune 模型，做出自己的音色庫，完全不必擔心被版權困擾。

此外，臺灣的音樂產學研也在積極探索 AI 輔助編曲，像是利用 Stable Audio + ElevenLabs 的 LoRA 功能，快速產出具地方特色的「臺式電音」或客家歌曲。這樣的組合對於獨立音樂廠牌、串流平臺的 Playlist建置、甚至區克鏈 (區塊鏈) 上的 NFT 音軌都提供了更大的彈性。

最後聊聊商業層面的趨勢。Suno 目前估值已突破 24.5 億美元，年經常性收入超過 3 億美元，每日生成約 700 萬首歌，已經是 AI 音樂領域的「王者」。但面對 ElevenLabs 與 Stability AI 的夾擊，它的優勢正在被逐步侵蝕：一方面是版權問題導致的潛在訴訟風險，另一方面是使用者對「更長、更自由」的音軌需求不斷提升。若 ElevenLabs 或 Stability AI 能在產品體驗上再做最佳化（例如支援行動裝置端的即時生成、或無縫對接智慧型手機的 AR 音效），那麼這場 AI 音樂的爭奪戰只會更加激烈。

總的來說，ElevenLabs Music v2 的亮點在於「一首歌從歌劇到重金屬」的跨流派連貫感以及大幅降價的商業策略；Stable Audio 3.0 則以「開放權重、在裝置端即可跑長短音軌」的技術創新取勝。兩者都不約而同地在版權清理上下了功夫，這對創作者來說是最大的安全感。無論是玩短影片的網紅、獨立音樂人，還是想在區塊鏈上發行限量單曲的音樂創作者，現在都有了更好的選擇。