ACE-Step 1.5 XL Turbo

ACE-Step 1.5 XL Turbo

用 4B 参数的扩散模型只需 8 步就能生成音乐和其他音频，通过 Gradio 界面在本地运行。适合有 12 GB 以上显存 GPU 的创作者和开发者。

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 XL Turbo 是 ACE-Step 1.5 音乐生成系列中 4B 参数 XL 模型的快速蒸馏版本。它用 8 个推理步骤生成音频，不使用无分类器引导。ACE Studio 和 StepFun 共同主导这个项目，权重以 MIT 许可证发布。

适合谁：如果你是想用自己的 GPU 生成音乐、而不是调用托管服务的创作者或开发者，它就适合你。

行业 | 谁在用 | 怎么用 | 例子
音乐制作 | 独立音乐人 | 在本地生成草稿曲目来探索想法 | 在录制正式版本之前先试几个短小的想法
游戏开发 | 小型工作室 | 用自己的硬件制作背景音乐 | 为原型关卡生成临时曲目
视频和媒体 | 内容创作者 | 为片段制作配乐 | 为一段短视频生成伴奏
研究 | 音频 AI 研究人员 | 研究用于音乐的蒸馏扩散 transformer | 把 8 步的 turbo 模型与 50 步的模型做对比

如果你的 GPU 显存不足 12 GB，或者想用 extract、lego 和 complete 这些任务（模型卡只在基础模型下列出），可以跳过它。

用在哪里：

• 浏览器，通过运行命令启动的 Gradio 界面
• 装有 Python 的 Windows、macOS 和 Linux
• 显存 12 GB 或以上的 GPU，推荐 20 GB

用例 | 谁 | 得到什么
音乐草稿 | 音乐人 | 用 8 步生成的音频
背景音乐 | 游戏和视频创作者 | 在你自己的机器上制作的音频曲目
模型对比 | 研究人员 | turbo 模型的输出，可与 base 和 SFT 对比

如何设置：
你需要先准备：

• Python 和 git
• 至少 12 GB 显存的 GPU，需使用 CPU 卸载和 INT8 量化
• 约 18.8 GB 的 bf16 权重所需的磁盘空间

1. 从 ACE-Step 1.5 的 GitHub 项目获取代码，并打开它的文件夹。
2. 用 pip 以可编辑模式安装它。
3. 把这个模型下载到 checkpoints 文件夹。
4. 用这个模型的配置启动 Gradio 界面。

cd ACE-Step-1.5
pip install -e .
huggingface-cli download ACE-Step/acestep-v15-xl-turbo --local-dir ./checkpoints/acestep-v15-xl-turbo
python acestep --config-path acestep-v15-xl-turbo

如何使用：你用上面最后一条命令启动 Gradio 界面，然后在浏览器里用它生成音频。这里的文字没有描述界面里的输入项。

工具 | 作用
acestep-v15-xl-turbo | 这个仓库：8 步，无引导，标准任务
acestep-v15-xl-base | 50 步带引导，支持包括 extract、lego 和 complete 在内的所有任务
acestep-v15-xl-sft | 50 步带引导，质量很高，多样性中等，标准任务
acestep-5Hz-lm-0.6B | 较小的语言模型，音频理解和作曲能力中等
acestep-5Hz-lm-1.7B | 中等大小的语言模型，包含在主发布中
acestep-5Hz-lm-4B | 最大的语言模型，音频理解和作曲能力强

示例：你用 turbo 配置启动界面，生成一小段音乐。模型 8 步完成，给你一个音频文件。模型卡没有展示示例提示词，所以请自己试试界面来了解它的输入。

新手与专家：ACE-Step 按你的指示在你自己的电脑上生成音乐。可以先在至少 12 GB 显存的 GPU 上照着四个安装步骤做，再在浏览器里生成一小段音乐。

对熟悉这个领域的读者来说，解码器是一个扩散 transformer，有 32 层、2560 隐藏维度和 32 个注意力头，另有一个 8 层的编码器。蒸馏去掉了对引导的需求，所以 8 步取代了 50 步，代价是多样性有所下降。0.6B、1.7B 和 4B 的语言模型都能配合 XL 解码器使用。

安装 ACE-Step 和检查点
启动 Gradio 界面
给出你的音乐指示
运行 8 个蒸馏扩散步骤
得到生成的音频

注意事项：

• 显存：用 CPU 卸载和 INT8 需要 12 GB 以上，用卸载需要 16 GB，不卸载需要 20 GB，配合 4B 语言模型的完整质量需要 24 GB。
• 数字：Hugging Face 列出 5B 参数和 F32 下 19.9 GB，而模型卡写的是约 4B 和 bf16 下 18.8 GB。
• 训练数据：模型卡说它使用了有授权的音乐、免版税或公有领域的音频，以及合成的 MIDI 转音频数据。
• 商业使用：模型卡说生成的音乐可以用于商业用途，请对照你自己的需要再确认。

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

• License: MIT。
• Cost to run: 未提及。你需要至少 12 GB 显存的 GPU。
• Data it reaches: 从 GitHub 和 Hugging Face 的下载，以及你输入界面的内容。
• Not for: extract、lego 和 complete 任务，模型卡只在基础模型下列出它们。

Hugging Face 上的数据（2026年11月13日）

• 任务：text to audio
• 框架：transformers
• 参数量：5B
• Weights: about 19.9 GB in F32; about 2.5 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：9,152
• 点赞：235
• 许可证：mit
• Quantized versions: 4
• Fine-tunes: 10
• 标签：transformers, safetensors, acestep, feature-extraction, audio, music, text2music, text-to-audio

链接

• 模型：https://huggingface.co/ACE-Step/acestep-v15-xl-turbo
• 文件：https://huggingface.co/ACE-Step/acestep-v15-xl-turbo/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/acestep-v15-xl-turbo

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。