ACE-Step-Musikgenerierung

Generiere vollständige Songs mit Gesang mit ACE-Step — Open-Source-Suno-Alternative auf unter 4 GB VRAM

ACE-Step 1.5 ist der Open-Source-Durchbruch in der Musikgenerierung, auf den alle gewartet haben. Es erzeugt vollständige Songs mit Gesang und Instrumenten aus Texteingaben und konkurriert mit kommerziellen Diensten wie Suno — läuft aber lokal auf deiner GPU mit einem MIT-Lizenz. Das Killer-Feature? Es benötigt weniger als 4 GB VRAM, wodurch es zum bisher zugänglichsten KI-Musiktool wird. Erzeuge einen kompletten Track in 2–8 Sekunden auf einer RTX 4090.

Hauptfunktionen

• Vollständige Songgenerierung: Gesang + Instrumente + Effekte in einem Durchgang

• < 4 GB VRAM: Läuft sogar auf den günstigsten GPUs (RTX 3060, sogar GTX 1060!)

• 2–8 Sekunden pro Track: Nahezu sofortige Generierung auf modernen GPUs

• MIT-Lizenz: Vollständige kommerzielle Nutzung, ohne Einschränkungen

• Liedtext-Unterstützung: Schreibe deine eigenen Texte mit Strophe/Refrain-Struktur

• Stilkontrolle: Genre-Tags, Stimmung, Tempo, Instrumentierung

• ComfyUI-Integration: Node-basierter Workflow für komplexe Musik-Pipelines

Anforderungen

Komponente	Minimum	Empfohlen
GPU	Jede mit 4 GB VRAM	RTX 3060 oder besser
VRAM	4 GB	6 GB+
RAM	8 GB	16 GB
Festplatte	10 GB	15 GB
Python	3.10+	3.11

Empfohlene Clore.ai-GPU: RTX 3060 6 GB ($0,03–0,07/Std.) — ja, die günstigste GPU funktioniert!

Geschwindigkeitsreferenz

GPU	Generierungszeit (30-Sek.-Track)
GTX 1060 6GB	~15–20 Sek.
RTX 3060 12 GB	~6–10 Sek.
RTX 3080 10GB	~4–6 Sek.
RTX 4090 24GB	~2–3 Sek.

Installation

Eigenständig

git clone https://github.com/ace-step/ACE-Step.git
cd ACE-Step
pip install -e .

# Or via pip (if available)
pip install ace-step

ComfyUI-Integration

cd ComfyUI/custom_nodes
git clone https://github.com/ace-step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# Restart ComfyUI — ACE-Step nodes will appear

Schnellstart

Installation

ACE-Step ist eine Gradio-Web-App — kein pip-Paket. Installation aus Git:

# Klonen und einrichten
git clone https://github.com/ACE-Step/ACE-Step-1.5.git
cd ACE-Step-1.5

# Option A: uv (empfohlen)
pip install uv
uv sync

# Option B: pip
pip install -r requirements.txt

Web-UI starten

# Gradio-Oberfläche starten
python app.py --port 7860 --share

# Für wenig VRAM (< 6 GB):
python app.py --port 7860 --half

Öffnen http://localhost:7860 in deinem Browser. Die Oberfläche hat:

1. Prompt-Feld — beschreibe den Stil: "fröhlicher elektronischer Pop, 120 BPM"

2. Liedtextfeld — schreibe Strophen mit [Strophe], [Refrain] Tags

3. Dauer-Schieberegler — 15–120 Sekunden

4. Generieren-Button — klicken und 2–8 Sekunden warten

Mit Liedtexten generieren (Web-UI)

Gib im Liedtextfeld ein:

[Strophe 1]
Ich miete nachts die GPUs
Die Server summen, Bildschirme so hell
Modelle trainieren, Träume jagen
Nichts ist jemals so, wie es scheint

[Refrain]
Wir bauen heute etwas Neues
Die Zukunft ist nur eine Prompt-Eingabe entfernt
Mit jedem Token, jeder Zeile
Verschmelzen Code und Musik

Prompt setzen auf: Indie-Rock-Ballade, akustische Gitarre, emotional, männlicher Gesang

CLI / Pipeline-Nutzung

# Vom Kommandozeilenprogramm aus direkt mit dem Pipeline-Skript generieren
cd ACE-Step-1.5
python acestep/acestep_v15_pipeline.py \
  --prompt "Lo-Fi-Hip-Hop, entspannt, Regentag, Klavier, sanfte Drums" \
  --lyrics "" \
  --duration 30 \
  --output output.wav

ComfyUI-Integration (Batch-Workflow)

# ComfyUI-Knoten für die Batch-Generierung installieren
cd ComfyUI/custom_nodes
git clone https://github.com/ACE-Step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# ComfyUI neu starten — ACE-Step-Knoten erscheinen im Knotenmenü

Mit den ComfyUI-Knoten lassen sich in einem visuellen Workflow mehrere Tracks mit unterschiedlichen Prompts in Serie generieren.

Stil-Tags

Steuere die Generierung mit Stil-Tags:

# Genre-Tags
"Pop", "Rock", "elektronisch", "Hip-Hop", "Jazz", "klassisch", "Metal",
"Lo-Fi", "Synthwave", "Ambient", "Folk", "R&B", "Country"

# Stimmungs-Tags
"fröhlich", "traurig", "energiegeladen", "entspannt", "dunkel", "episch", "romantisch"

# Instrumenten-Tags
"Klavier", "Gitarre", "Schlagzeug", "Bass", "Synth", "Streicher", "Violine"

# Gesangs-Tags
"männlicher Gesang", "weiblicher Gesang", "Chor", "kein Gesang", "Summen"

# Technische Tags
"120 BPM", "Molltonart", "Durtonart", "4/4-Takt"

Web-UI

cd ACE-Step
python app.py --port 7860
# http://localhost:7860 öffnen

Die Web-UI bietet:

• Texteingabe für Prompts mit Stil-Voreinstellungen

• Liedtext-Editor mit Strophe/Refrain-Formatierung

• Regler für Dauer und Qualität

• Wellenform-Vorschau in Echtzeit

• Als WAV oder MP3 herunterladen

Anwendungsfälle auf Clore.ai

Anwendungsfall	Einrichtung	Kosten
Hintergrundmusik für Videos	RTX 3060, in Serie generieren	0,03–0,07 $/Std.
Song-Prototyping / Demos	RTX 3080, in Echtzeit	$0,05–0,19/Std.
Musikproduktions-Pipeline	RTX 4090 + ComfyUI	ca. 0,14–0,42 $/h
Podcast-Intros/-Outros	Jede GPU, mit einem Durchgang	0,03–0,07 $/Std.

Tipps für Clore.ai-Nutzer

• Günstigste mögliche KI-Workload: Bei 0,03–0,07 $/Std. für eine RTX 3060 Hunderte von Tracks für ein paar Cent generieren

• Über Nacht in Serie: Miete eine GPU für 8 Stunden (0,05–0,1 $), generiere 500+ Tracks

• ComfyUI für Pipelines: Mit Bildgenerierung für Albumcover-Workflows verketten

• Exportqualität: In höchster Qualität generieren, dann bei Bedarf in einer DAW weiterverarbeiten

• Stilmix: Genres in Prompts kombinieren: „Lo-Fi-Jazz-Hip-Hop mit Vinyl-Knistern“ funktioniert überraschend gut

Fehlerbehebung

Problem	Lösung
CUDA nicht gefunden	Stelle sicher, dass PyTorch mit CUDA installiert ist: pip install torch --index-url https://download.pytorch.org/whl/cu128
Modelldownload langsam	Setze HF_HUB_ENABLE_HF_TRANSFER=1 für schnellere Downloads
Audio klingt verzerrt	Versuche eine niedrigere Temperatur (0,7) oder weniger Inferenzschritte
Kein Speicher mehr bei 4 GB	Reduziere die Dauer auf 15 Sekunden; wechsle zu einer 6-GB-GPU
ComfyUI-Knoten fehlen	Starte ComfyUI nach der Installation der benutzerdefinierten Knoten neu

ACE-Step vs Suno vs AudioCraft

Funktion	ACE-Step 1.5	Suno v4	AudioCraft
Vollständige Songs	✅	✅	❌ (nur Musik)
Gesang	✅	✅	❌
Lokal/Selbst gehostet	✅	❌ (Cloud)	✅
Lizenz	MIT	Proprietär	MIT
Min. VRAM	4 GB	k. A.	16 GB
Geschwindigkeit (30 Sek.)	2–8 Sek.	~30 Sek.	~60 Sek.
Kosten	~0,04 $/Std. GPU	$10/Mon.-Abo	~0,08 $/Std. GPU

Weiterführende Lektüre

• GitHub-Repository

• ComfyUI-Knoten

• AudioCraft-Anleitung — für Musik nur mit Instrumenten