基本介紹
- 外文名：ACE-Step 1.5
- 是否開源：開源
技術原理,產品優勢,產品功能,發布與集成,
技術原理
ACE-Step 1.5採用創新的雙階段生成架構，通過擴散變換器(Diffusion Transformer, DiT)與語言模型(Language Model, LM)的協同集成實現高質量音樂生成。其核心是一種新穎的混合架構，其中語言模型(LM)充當全能規劃器，能將簡單的用戶查詢轉化為完整的歌曲藍圖，並通過思維鏈(Chain-of-Thought)生成元數據、歌詞和描述，以指導擴散Transformer(DiT)進行音頻合成。這種對齊是通過內在強化學習實現的，僅依賴模型自身的內部機制。
為實現高效推理，ACE-Step 1.5採用分布匹配蒸餾技術將擴散步數壓縮至16步，同時保持梅爾頻譜重建誤差低於0.81dB。模型內置輕量語言規劃器（128M參數），先解析用戶指令生成結構大綱（含段落類型、時長占比、情緒曲線），再驅動擴散音頻合成器。模型支持四種互動模式：Planner Mode（規劃師模式）、Listener Mode（傾聽者模式）、Co-Pilot Mode（副駕駛模式）、Refiner Mode（精鍊師模式）。其數據基建包括2700萬樣本的高質量語料庫，覆蓋2000+音樂風格和50+語言，並訓練了專門的獎勵模型。
產品優勢
ACE-Step 1.5是一款基於MIT開源協定發布的音樂生成模型。該模型支持超過50種語言指令，運行時所需顯存低於4GB，可在RTX 3060等消費級顯示卡或CPU上運行。其音樂連貫性評分為4.72。在A100硬體上生成完整歌曲的時間低於2秒，在RTX 3090上低於10秒。模型的訓練數據包括授權數據、免版稅數據及合成數據。該模型支持長提示詞與負向提示詞，並具備音頻重繪、人聲轉背景音樂等功能。
產品功能
支持LoRA微調實現風格個性化，並支持音樂重構Cover和片段修復Repaint功能，全程本地運行確保數據安全。
發布與集成
ACE-Step 1.5 是由 ACE Studio 與階躍星辰（StepFun）於2026年2月聯合推出的開源音樂生成基礎模型。該模型於2026年3月18日進行了一次更新，其特性包括適用於商業場景、使用合規訓練數據、具有較快的生成速度以及在消費級硬體上較低的運行需求。模型提供了多個變體，包括 acestep-v15-base、acestep-v15-sft、acestep-v15-turbo 等。
模型已集成到ComfyUI工作流中，並獲得官方自定義節點（如ComfyUI-AceMusic）支持，實現了多語言完整歌曲生成與編輯功能的全節點化封裝。ComfyUI v0.12.2版本（發布於2026年2月4日）擴展了對ACE-Step 1.5的4B語言模型的支持。
在硬體生態方面，ACE-Step 1.5獲得了AMD Ryzen AI處理器和Radeon顯示卡的官方支持，可通過AMD ROCm軟體棧進行最佳化加速。
