Как же мало инфы по Stable Audio...
Вот, одна из небольшого количества статей, объясняющая некоторые основные моменты.
Во-первых, она объясняет, что SA знает, что такое темп! Можно указать конкретные УВМ!
Во-вторых: для эффектов, похоже, она подходит лучше, чем для отдельных произведений...
https://www.jordipons.me/on-prompting-stable-audio/
Кроме того, на другом сайте мне удалось подобрать негативы под SA:

car horns, background chatter, loud music, high-pitched whining, low rumbling, harsh treble, repetitive beats, sudden volume changes, echoey effects, heavy metal, electronic dance music, spoken word

Уже запустил генерацию с ними. Надеюсь, что они мне помогут... А то бредятина какая-то на разной тональности получается...