Ace Step 1 5

ACE-Step 1.5

Pushing the Boundaries of Open-Source Music Generation

Project | Hugging Face | ModelScope | Space Demo | Discord | Technical Report | Awesome ACE-Step

目录

• ✨ 特性
• ⚡ 快速开始
• 🚀 启动脚本
• 📚 文档
• 📖 教程
• 🏗️ 建筑
• 🦁 模型动物园
• 🔬 基准

📝 摘要

🚀 我们介绍ACE Step v1.5，这是一个高效的开源音乐基础模型，为消费硬件带来了商业级的生成。在常用的评估指标上，ACE Step v1.5的质量超越了大多数商业音乐型号，同时保持了极快的速度——在A100上每首完整歌曲不到2秒，在RTX 3090上不到10秒。该模型在本地运行，VRAM不到4GB，并支持轻量级个性化：用户可以从几首歌曲中训练LoRA来捕捉自己的风格。

🌉 其核心是一种新颖的混合架构，其中语言模型（LM）充当一个全能的规划者：它将简单的用户查询转换为全面的歌曲蓝图——从短循环扩展到10分钟的作品——同时通过思维链合成元数据、歌词和字幕，以指导扩散转换器（DiT）。 ⚡ 独特的是，这种对齐是通过仅依赖模型内部机制的内在强化学习实现的，从而消除了外部奖励模型或人类偏好中固有的偏见。 🎚️

🔮 除了标准合成之外，ACE Step v1.5还将精确的风格控制与多功能编辑功能相结合，如封面生成、重新绘制和声音到背景音乐的转换，同时严格遵守50多种语言的提示。这为无缝集成到音乐艺术家、制作人和内容创作者的创作工作流程中的强大工具铺平了道路。 🎸

✨ 特性

⚡ 演出

• ✅ 超高速一代 --A100上每首完整歌曲不超过2秒，RTX 3090上不超过10秒（A100上为0.5秒至10秒，具体取决于思考模式和扩散步骤）
• ✅ 灵活的持续时间 --支持10秒至10分钟（600秒）的音频生成
• ✅ 批量生成 --最多可同时生成8首歌曲

🎵 发电质量

• ✅ 商业级产量 --质量超越大多数商业音乐型号（介于Suno v4.5和Suno v5之间）
• ✅ 丰富的风格支持 --1000多种乐器和风格，具有细腻的音色描述
• ✅ 多语言歌词 --支持50多种语言，歌词提示用于结构和风格控制

🎛️ 多功能性和控制

🔔 保持领先

在GitHub上启动ACE Step，并立即收到新版本的通知 

🤝 伙伴

⚡ 快速开始

要求： Python 3.11-3.12，推荐CUDA GPU（也支持MPS/ROCm/Intel XPU/CPU） 注： Windows上的ROCm需要Python 3.12（AMD官方只提供Python 3.12轮子）

# 1. Install uv
curl -LsSf https://astral.sh/uv/install.sh | sh          # macOS / Linux
# powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"  # Windows

# 2. Clone & install
git clone https://github.com/ACE-Step/ACE-Step-1.5.git
cd ACE-Step-1.5
uv sync

# 3. Launch Gradio UI (models auto-download on first run)
uv run acestep

# Or launch REST API server
uv run acestep-api

打开http://localhost:7860（Gradio）或http://localhost:8001API

📖 完整安装指南 （AMD/ROCm、英特尔GPU、CPU、环境变量、命令行选项）： 英语 | 中文 | 日本语

💡 我应该选择哪种型号？

UI会自动为GPU选择最佳配置。所有设置（LM模型、后端、卸载、量化）都是分层感知和预配置的。

📖 GPU兼容性详细信息： 英语 | 中文 | 日本语 | 韩语

🚀 启动脚本

适用于所有平台的即用型启动脚本，具有自动环境检测、更新检查和依赖关系安装功能。

# Windows
start_gradio_ui.bat

# Linux
chmod +x start_gradio_ui.sh && ./start_gradio_ui.sh

# macOS (Apple Silicon)
chmod +x start_gradio_ui_macos.sh && ./start_gradio_ui_macos.sh

⚙️ 自定义启动设置

推荐： 创建一个 .env 文件以自定义模型、端口和其他设置。你的 .env 配置将在存储库更新后继续有效。

# Copy the example file
cp .env.example .env

# Edit with your preferred settings
# Examples in .env:
ACESTEP_CONFIG_PATH=acestep-v15-turbo
ACESTEP_LM_MODEL_PATH=acestep-5Hz-lm-1.7B
PORT=7860
LANGUAGE=en

📖 脚本配置和自定义： 英语 | 中文 | 日本语

📚 文档

使用指南

设置和配置

多语言文档

📖 教程

🎯 必读： ACE Step 1.5的设计理念和使用方法的综合指南。

本教程涵盖：心智模型和设计哲学、模型架构和选择、输入控制（文本和音频）、推理超参数、随机因素和优化策略。

🔨 火车

📖 LoRA培训教程 --涵盖数据准备、注释、预处理和培训的分步指南：

另请参见 LoRA培训 Gradio UI中的选项卡，用于一键式培训，或 Gradio指南-LoRA培训 供用户界面参考。

🏗️ 建筑

🦁 模型动物园

DiT模型

|DiT模型|预训练|SFT|RL|CFG|步骤|参考音频|Text2Music|封面|重新涂漆|提取|乐高|完整|质量|多样性|精细可调性|拥抱面部| |-----------|:------------:|:---:|:--:|:---:|:----:|:-----------:|:----------:|:-----:|:-------:|:-------:|:----:|:--------:|:-------:|:---------:|:---------------:|--------------| | acestep-v15-base | ✅ | ❌ | ❌ | ✅ | 50 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | 中等|高|简单| 链接 | | acestep-v15-sft | ✅ | ✅ | ❌ | ✅ | 50 | ✅ | ✅ | ✅ | ✅ | ❌ | ❌ | ❌ | 高|中|易| 链接 | | acestep-v15-turbo | ✅ | ✅ | ❌ | ❌ | 8.✅ | ✅ | ✅ | ✅ | ❌ | ❌ | ❌ | 非常高|中等|中等| 链接 | | acestep-v15-turbo-rl | ✅ | ✅ | ✅ | ❌ | 8.✅ | ✅ | ✅ | ✅ | ❌ | ❌ | ❌ | 非常高|中等|中等|待发布|

LM型号

|LM模型|预训练|预训练|SFT|RL|CoT元|查询重写|音频理解|作曲能力|复制旋律|拥抱面部| |----------|---------------|:------------:|:---:|:--:|:---------:|:-------------:|:-------------------:|:----------------------:|:-----------:|--------------| | acestep-5Hz-lm-0.6B |Qwen3-0.6B |✅ | ✅ | ✅ | ✅ | ✅ | 中等|中等|弱|✅ | | acestep-5Hz-lm-1.7B |问题3-1.7B |✅ | ✅ | ✅ | ✅ | ✅ | 中等|中等|中等✅ | | acestep-5Hz-lm-4B |Qwen3-4B |✅ | ✅ | ✅ | ✅ | ✅ | 强|强|强✅ |

🔬 基准

ACE步骤1.5包括 profile_inference.py，一种分析和基准测试工具，用于测量设备和配置之间的LLM、DiT和VAE时序。

python profile_inference.py                        # Single-run profile
python profile_inference.py --mode benchmark       # Configuration matrix

📖 完整指南 （所有模式、CLI选项、输出解释）： 英语 | 中文

📜 许可与免责声明

该项目已获得许可 麻省理工学院

ACE Step支持跨不同流派的原创音乐创作，并应用于创意制作、教育和娱乐。虽然旨在支持积极和艺术的用例，但我们承认潜在的风险，例如由于风格相似而导致的无意侵犯版权、文化元素的不恰当混合以及滥用以生成有害内容。为确保负责任的使用，我们鼓励用户验证生成作品的原创性，明确披露人工智能的参与，并在改编受保护的风格或材料时获得适当的许可。通过使用ACE Step，您同意遵守这些原则，尊重艺术完整性、文化多样性和法律合规性。作者不对任何滥用该模型的行为负责，包括但不限于侵犯版权、文化不敏感或产生有害内容。

🔔 重要通知\ ACE Step项目的唯一官方网站是我们的GitHub Pages网站。\ 我们不运营任何其他网站。\ 🚫 假冒域名包括但不限于： ac\*\*p.com、a\*\*p.org、a\*\*c.org\ ⚠️ 请小心。不要访问、信任或支付任何这些网站。

🌐 社区与生态系统

结账 卓越的ACE步骤 --围绕ACE Step构建的社区项目、替代UI、ComfyUI节点、云部署、培训工具等的精选列表。

🙏 致谢

该项目由ACE工作室和StepFun共同领导。

📖 引用

如果你发现这个项目对你的研究有用，请考虑引用：

@misc{gong2026acestep,
	title={ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation},
	author={Junmin Gong, Yulin Song, Wenxiao Zhao, Sen Wang, Shengyuan Xu, Jing Guo}, 
	howpublished={\url{https://github.com/ace-step/ACE-Step-1.5}},
	year={2026},
	note={GitHub repository}
}