ACE-Step 1.5

ACE-Step 1.5

根据文字描述生成完整歌曲，由规划歌词和结构的语言模型，加上渲染音频的扩散 Transformer 组成。设计上可在消费级硬件上运行。

由 ACE-Step 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：ACE-Step 1.5 是 ACE-Step 推出的开放音乐生成模型，设计上可以在消费级硬件上运行。你描述想要的歌曲，它就生成音频。语言模型先规划这首歌，写出元数据、歌词和说明，然后扩散 Transformer 渲染音乐。这项工作来自 ACE Studio 和 StepFun 的合作。

适合谁：适合想在自己电脑上用文字做音乐的音乐人、制作人、内容创作者和开发者。

Industry | Who uses it | How they use it | Example
音乐制作 | 制作人 | 用文字描述草拟歌曲想法和循环片段 | 一段用于节拍的短循环
内容创作 | 视频创作者 | 为视频片段制作背景音乐 | 一段视频的伴奏
软件 | 开发者 | 为应用加入音乐生成功能 | 一个生成曲目的按钮
研究 | 机器学习研究人员 | 研究或微调开放音乐模型 | base 和 turbo 模型的对比

如果你只是想听音乐而不是创作，可以跳过它。

用在哪里：

• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件
• 使用 transformers 库的 Python 程序
• 浏览器，通过模型卡链接的演示 Space

Use case | Who | What they get back
文字生成音乐 | 创作者 | 根据简短描述生成的完整歌曲
翻唱生成 | 制作人 | 以新风格重做的已有曲目
重绘 | 制作人 | 重新生成曲目中选定的一段
人声转伴奏 | 制作人 | 由人声轨道生成的背景音乐

如何设置：

• Python，用来运行 Hugging Face 下载工具
• 一块消费级显卡，模型卡说它需要不到 4GB 的显存
• 存放模型文件的空间

1. 用 pip 安装 Hugging Face 的 hub 工具。
2. 用 hf 命令下载模型文件。
3. 按模型卡的说明运行模型。

pip install -U huggingface_hub
hf download ACE-Step/Ace-Step1.5

如何使用：你给模型一段对歌曲的普通描述。语言模型把它变成详细的规划，扩散 Transformer 再生成音频。模型卡说规划的范围从短循环到 10 分钟的作品。

Tool | What it does
acestep-v15-base | 运行 50 步并使用引导，支持模型卡表格里的所有任务
acestep-v15-sft | 运行 50 步，质量评为高
acestep-v15-turbo | 运行 8 步且不使用引导，质量评为高于 sft
acestep-5Hz-lm | 负责规划的语言模型，有 0.6B、1.7B 和 4B 三种规模

示例：你输入“an upbeat acoustic pop song about a road trip, with a sing-along chorus”。语言模型起草歌词、标题和风格说明，扩散 Transformer 返回完成的曲目。

新手与专家：先从 turbo 模型开始，它只需 8 步，让它做一首单一风格的短歌。模型卡的表格里，turbo 那一行链接的就是这个仓库。

语言模型充当规划者，通过思维链写出歌曲蓝图，这份蓝图再引导扩散 Transformer。模型卡说，对齐使用的强化学习只依赖模型自身的机制，不用外部奖励模型或人类偏好。4B 规划模型在作曲能力上评为强。

写一段简短的歌曲描述
语言模型规划歌词和风格
扩散 Transformer 渲染音频
返回完成的曲目

注意事项：

• License: MIT
• Cost to run: 没有提到费用，不过你需要一台带显卡的电脑
• Data it reaches: 从 Hugging Face 下载文件，之后在你加载它的地方运行
• Not for: turbo-rl 模型，模型卡列为尚未发布

Title: 每个 DiT 模型的推理步数
acestep-v15-base: 50 steps
acestep-v15-sft: 50 steps
acestep-v15-turbo: 8 steps

Hugging Face 上的数据（2026年11月13日）

• 任务：text to audio
• 框架：transformers
• Formats: Safetensors
• 最近 30 天下载：98,086
• 点赞：952
• 许可证：mit
• Quantized versions: 18
• Fine-tunes: 27
• 标签：transformers, diffusers, safetensors, acestep, feature-extraction, audio, music, text2music, text-to-audio

链接

• 模型：https://huggingface.co/ACE-Step/Ace-Step1.5
• 文件：https://huggingface.co/ACE-Step/Ace-Step1.5/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download ACE-Step/Ace-Step1.5

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。