Generación de música con ACE-Step

Genera canciones completas con voces usando ACE-Step: alternativa de código abierto a Suno en menos de 4GB de VRAM

ACE-Step 1.5 es el avance de generación musical de código abierto que todos estaban esperando. Genera canciones completas con voces e instrumentos a partir de prompts de texto, rivalizando con servicios comerciales como Suno — pero se ejecuta localmente en tu GPU con una licencia MIT. ¿La característica estrella? Necesita menos de 4 GB de VRAM, lo que lo convierte en la herramienta de música con IA más accesible de la historia. Genera una pista completa en 2–8 segundos en una RTX 4090.

Características clave

• Generación de canciones completas: voces + instrumentos + efectos en una sola pasada

• < 4 GB de VRAM: funciona incluso en las GPU más baratas (RTX 3060, ¡incluso GTX 1060!)

• 2–8 segundos por pista: generación casi instantánea en GPU modernas

• licencia MIT: uso comercial completo, sin restricciones

• Compatibilidad con letras: escribe tus propias letras con estructura de verso/estribillo

• Control de estilo: etiquetas de género, estado de ánimo, tempo, instrumentación

• Integración con ComfyUI: flujo de trabajo basado en nodos para canalizaciones musicales complejas

Requisitos

Componente	Mínimo	Recomendado
GPU	Cualquiera con 4 GB de VRAM	RTX 3060 o superior
VRAM	4GB	6 GB+
RAM	8GB	16GB
Disco	10GB	15 GB
Python	3.10+	3.11

GPU recomendada de Clore.ai: RTX 3060 de 6 GB ($0.03–0.07/h) — ¡sí, la GPU más barata funciona!

Referencia de velocidad

GPU	Tiempo de generación (pista de 30 s)
GTX 1060 6 GB	~15–20 s
RTX 3060 12GB	~6–10 s
RTX 3080 10GB	~4–6 s
RTX 4090 24GB	~2–3 s

Instalación

Independiente

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

# O mediante pip (si está disponible)
pip install ace-step

Integración con ComfyUI

cd ComfyUI/custom_nodes
git clone https://github.com/ace-step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# Reinicia ComfyUI — los nodos de ACE-Step aparecerán

Inicio rápido

Instalación

ACE-Step es una aplicación web de Gradio, no un paquete pip. Instálalo desde Git:

# Clona y configura
git clone https://github.com/ACE-Step/ACE-Step-1.5.git
cd ACE-Step-1.5

# Opción A: uv (recomendado)
pip install uv
uv sync

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

Inicia la interfaz web

# Inicia la interfaz de Gradio
python app.py --port 7860 --share

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

Abre http://localhost:7860 en tu navegador. La interfaz tiene:

1. Campo de prompt — describe el estilo: "pop electrónico animado, 120 BPM"

2. Campo de letras — escribe versos con [Verse], [Chorus] etiquetas

3. Control deslizante de duración — 15–120 segundos

4. Botón de generar — haz clic y espera 2–8 segundos

Generar con letras (interfaz web)

Ingresa en el campo de letras:

[Verse 1]
Alquilo las GPU a altas horas de la noche
Los servidores zumban, las pantallas tan brillantes
Entrenando modelos, persiguiendo sueños
Nada es nunca lo que parece

[Chorus]
Hoy estamos construyendo algo nuevo
El futuro está a solo un prompt de distancia
Con cada token, cada línea
El código y la música se entrelazan

Establece el prompt en: balada de rock indie, guitarra acústica, emotiva, voz masculina

Uso de CLI / pipeline

# Genera desde la línea de comandos usando directamente el script de la pipeline
cd ACE-Step-1.5
python acestep/acestep_v15_pipeline.py \
  --prompt "lo-fi hip hop, chill, rainy day, piano, soft drums" \
  --lyrics "" \
  --duration 30 \
  --output output.wav

Integración con ComfyUI (flujo por lotes)

# Instala los nodos de ComfyUI para generación por lotes
cd ComfyUI/custom_nodes
git clone https://github.com/ACE-Step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# Reinicia ComfyUI — los nodos de ACE-Step aparecen en el menú de nodos

Los nodos de ComfyUI te permiten generar por lotes varias pistas con distintos prompts en un flujo visual.

Etiquetas de estilo

Controla la generación con etiquetas de estilo:

# Etiquetas de género
"pop", "rock", "electrónico", "hip-hop", "jazz", "clásico", "metal",
"lo-fi", "synthwave", "ambient", "folk", "R&B", "country"

# Etiquetas de estado de ánimo
"feliz", "triste", "enérgico", "relajado", "oscuro", "épico", "romántico"

# Etiquetas de instrumentos
"piano", "guitarra", "batería", "bajo", "sintetizador", "cuerdas", "violín"

# Etiquetas vocales
"voz masculina", "voz femenina", "coro", "sin voces", "tarareo"

# Etiquetas técnicas
"120 BPM", "tono menor", "tono mayor", "compás 4/4"

Interfaz web

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

La interfaz web ofrece:

• Entrada de prompt de texto con preajustes de estilo

• Editor de letras con formato de verso/estribillo

• Controles deslizantes de duración y calidad

• Vista previa de la forma de onda en tiempo real

• Descarga como WAV o MP3

Casos de uso en Clore.ai

Caso de uso	Configuración	Costo
Música de fondo para videos	RTX 3060, generación por lotes	$0.03–0.07/h
Prototipos de canciones / demos	RTX 3080, en tiempo real	$0,05–0,19/h
Flujo de producción musical	RTX 4090 + ComfyUI	$0.14–0.42/h
Introducciones/finales de podcasts	Cualquier GPU, en una sola pasada	$0.03–0.07/h

Consejos para usuarios de Clore.ai

• La carga de trabajo de IA más barata posible: Con $0.03–0.07/h para una RTX 3060, genera cientos de pistas por centavos

• Por lotes durante la noche: alquila una GPU durante 8 horas ($0.05–0.1) y genera más de 500 pistas

• ComfyUI para flujos de trabajo: encadénalo con generación de imágenes para flujos de trabajo de portadas de álbum

• Calidad de exportación: genera con la máxima calidad y luego procesa en una DAW si es necesario

• Mezcla de estilos: combina géneros en los prompts: "lo-fi jazz hip hop con crujido de vinilo" funciona sorprendentemente bien

Solución de problemas

Problema	Solución
CUDA no encontrado	Asegúrate de que PyTorch esté instalado con CUDA: pip install torch --index-url https://download.pytorch.org/whl/cu128
Descarga del modelo lenta	Establece HF_HUB_ENABLE_HF_TRANSFER=1 para descargas más rápidas
El audio suena distorsionado	Prueba una temperatura más baja (0.7) o menos pasos de inferencia
Memoria insuficiente en 4 GB	Reduce la duración a 15 segundos; actualiza a una GPU de 6 GB
Faltan los nodos de ComfyUI	Reinicia ComfyUI después de instalar los nodos personalizados

ACE-Step vs Suno vs AudioCraft

Función	ACE-Step 1.5	Suno v4	AudioCraft
Canciones completas	✅	✅	❌ (solo música)
Voces	✅	✅	❌
Local/autohospedado	✅	❌ (nube)	✅
Licencia	MIT	Propietario	MIT
VRAM mínima	4GB	N/A	16GB
Velocidad (30 s)	2–8 s	~30 s	~60 s
Costo	~$0.04/h GPU	Suscripción de $10/mes	~$0.08/h GPU

Lecturas adicionales

• Repositorio de GitHub

• Nodos de ComfyUI

• Guía de AudioCraft — para música solo instrumental