ACE-Step v1.5

ACE-Step v1.5

用 ACE-Step 1.5 音乐模型，根据简单描述和歌词生成完整歌曲，也能编辑或翻唱已有音频。适合想要本地、快速的 AI 音乐工具的音乐人和创作者。

由 ACE-Step 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是 ACE-Step 1.5 的演示，这是一个为消费级硬件设计的开源音乐生成模型。语言模型根据一句简短的请求规划整首歌，然后由扩散 Transformer 生成音频。它还能对音频做翻唱、重绘和编辑。演示在 Hugging Face 的 zero-a10g 硬件上运行。

适合谁：适合想快速起草歌曲、编辑音频的音乐人、制作人和创作者，也适合想要一个能在自己机器上运行的音乐模型的开发者。

Industry | Who uses it | How they use it | Example
音乐制作 | 制作人和词曲作者 | 根据简短描述起草歌曲 | 请求一首完整的歌，让模型规划结构
内容创作 | 视频和播客制作者 | 为项目制作曲目 | 为一段录好的人声加上伴奏
声音编辑 | 音频编辑者 | 修改已有曲目的一部分 | 重绘生成歌曲中的一段
AI 开发 | 开发者 | 在本地运行并微调音乐模型 | 用几首歌训练一个 LoRA

如果你想要界面精致的托管录音室服务，可以跳过它，因为这是一个模型演示。

用在哪里：你可以在这些地方使用它：

• 浏览器：打开 Hugging Face 上这个 Space 的页面，不需要安装任何东西。
• Windows、macOS 或 Linux：用 Python 3.11 运行你自己的副本。
• 本地 Gradio 网页界面，用项目自己的命令启动。

Use case | Who | What they get back
生成歌曲 | 音乐人 | 根据描述生成的歌曲，时长从 10 秒到 10 分钟
翻唱和编辑 | 制作人 | 一首翻唱，或已有音频中被重绘的一段
伴奏 | 歌手 | 为人声轨生成的伴奏音乐

如何设置：如果要在本地运行副本，你需要先准备：

• Python 3.11 和 pip
• 推荐使用 CUDA GPU，README 说 CPU 或 MPS 也能运行，只是更慢
• packages.txt 里列出的系统软件包，Hugging Face 用 apt-get 安装它们

仓库里还有 Dockerfile 和用于设置的 .env.example 文件。在线页面不需要这些。若要运行这个 Space 的副本，请按下面的步骤操作。

1. 安装 Hugging Face 工具。
2. 把这个 Space 的文件下载到一个文件夹。
3. 进入那个文件夹。
4. 安装 Space 使用的版本的 Gradio，再安装其他依赖包。
5. 启动应用。

pip install -U huggingface_hub
hf download ACE-Step/Ace-Step-v1.5 --repo-type space --local-dir Ace-Step-v1.5
cd Ace-Step-v1.5
pip install gradio==6.2.0
pip install -r requirements.txt
python app.py

项目自己的方式是先安装 uv 包管理器并克隆它的仓库。然后在项目文件夹里运行这两条命令。

uv sync
uv run acestep

如何使用：在浏览器里打开这个 Space，或者启动你自己的副本。描述你想要的歌曲，有歌词的话加上，然后运行生成器。你也可以提供参考音频来引导风格。

Tool | What it does
Reference audio input | 用一段音频来引导结果的风格
Cover generation | 根据已有音频做一首翻唱
Repaint and edit | 重新生成音频中选定的一部分
Track separation | 把音频拆成单独的分轨
Multi-track generation | 为曲目添加新的层
Vocal2BGM | 为人声轨生成伴奏
Metadata control | 设置时长、BPM、调、音阶和拍号
Simple mode | 根据一段平实的描述生成整首歌
Audio understanding | 从音频里读取 BPM、调、拍号和描述
LRC generation | 为生成的音乐生成歌词时间戳
LoRA training | 在 Gradio 里标注和训练，8 首歌在 12 GB 显卡上大约一小时
Quality scoring | 给生成的音频质量打分

示例：你输入一段平实的描述，说明想要的歌曲，并选择时长。模型会规划歌词和结构，然后返回一首符合描述的生成歌曲。

新手与专家：如果你是新手，用简单模式试一试，写一句关于你想要的歌曲的话。听听结果，然后改一改这句话再运行一次。

如果你熟悉这个领域，语言模型充当规划者，通过思维链写出歌曲蓝图、歌词和描述，扩散 Transformer 负责渲染音频。作者说，对齐来自模型自身的内部信号，而不是外部奖励模型。他们报告在 A100 上 0.5 到 10 秒就能生成，一批最多 8 首歌。

你描述歌曲
语言模型规划它
扩散 Transformer 渲染音频
你编辑、翻唱或重绘

注意事项：README 说这个模型针对本地使用做了优化，显存不到 4 GB。音频长度可以从 10 秒到 10 分钟，作者列出支持 50 多种语言。

• License: mit
• Cost to run: 未提及
• Data it reaches: 你的提示词、歌词和你提供的参考音频，以及从 Hugging Face 下载的模型文件
• Not for: 没有 GPU 还想全速运行，因为 CPU 和 MPS 会更慢

Hugging Face 上的数据（2026年11月13日）

• 点赞：596
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/ACE-Step/Ace-Step-v1.5
• 文件：https://huggingface.co/spaces/ACE-Step/Ace-Step-v1.5/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。