Generación de Música ACE-Step

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

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

Características clave

• Generación de canción completa: Voces + instrumentos + efectos en una sola pasada

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

• 2–8 segundos por pista: Generación casi instantánea en GPUs modernas

• Licencia MIT: Uso comercial completo, sin restricciones

• Soporte de 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 pipelines musicales complejos

Requisitos

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

GPU recomendada de Clore.ai: RTX 3060 6GB (~$0.15–0.3/día) — sí, ¡la GPU más barata funciona!

Referencia de velocidad

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

Instalación

Independiente

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

# O vía 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 — aparecerán los nodos de ACE-Step

Inicio rápido

Instalación

ACE-Step es una aplicación web Gradio — no un paquete pip. Instala 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

Iniciar interfaz web

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

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

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

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

2. Campo de letras — escribe versos con [Verso], [Coro] etiquetas

3. Deslizador de duración — 15–120 segundos

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

Generar con letras (Web UI)

Introduce en el campo de letras:

[Verso 1]
Alquilo las GPUs hasta tarde en la noche
Los servidores zumbando, pantallas tan brillantes
Entrenando modelos, persiguiendo sueños
Nada es nunca lo que parece

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

Configura la indicación a: balada indie rock, guitarra acústica, emotiva, voz masculina

Uso por CLI / Pipeline

# Genera desde la línea de comandos usando el script del pipeline directamente
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 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 aparecerán en el menú de nodos

Los nodos de ComfyUI te permiten generar por lotes múltiples pistas con diferentes indicaciones en un flujo de trabajo visual.

Etiquetas de estilo

Controla la generación con etiquetas de estilo:

# Etiquetas de género
"pop", "rock", "electrónica", "hip-hop", "jazz", "clásica", "metal",
"lo-fi", "synthwave", "ambiental", "folk", "R&B", "country"

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

# Etiquetas de instrumento
"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 indicación de texto con preajustes de estilo

• Editor de letras con formato de verso/estribillo

• Deslizadores de duración y calidad

• Vista previa de forma de onda en tiempo real

• Descargar como WAV o MP3

Casos de uso en Clore.ai

Caso de uso	Configuración	Costo
Música de fondo para videos	RTX 3060, generar por lotes	~$0.15/día
Prototipado de canciones / demos	RTX 3080, en tiempo real	~$0.3/día
Pipeline de producción musical	RTX 4090 + ComfyUI	~$1/día
Intro/outro de podcast	Cualquier GPU, en un solo intento	~$0.15/día

Consejos para usuarios de Clore.ai

• La carga de trabajo de IA más barata posible: A $0.15/día por RTX 3060, genera cientos de pistas por centavos

• Procesamiento por lotes durante la noche: Alquila una GPU por 8 horas ($0.05–0.1), genera 500+ pistas

• ComfyUI para pipelines: Encadenar con generación de imágenes para flujos de trabajo de arte de álbum

• Calidad de exportación: Genera en la máxima calidad y luego procesa en un DAW si es necesario

• Mezcla de estilos: Combina géneros en las indicaciones: "lo-fi jazz hip hop con crujido de vinilo" funciona sorprendentemente bien

Solución de problemas

Problema	Solución
CUDA no encontrada	Asegúrate de que PyTorch esté instalado con CUDA: pip install torch --index-url https://download.pytorch.org/whl/cu121
Descarga de modelos lenta	Establecer 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 4GB	Reduce la duración a 15 segundos; actualiza a una GPU de 6GB
Faltan 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/autoalojado	✅	❌ (nube)	✅
Licencia	MIT	Proprietario	MIT
VRAM mínima	4GB	N/A	16GB
Velocidad (30s)	2–8 seg	~30 seg	~60 seg
Costo	$0.15/día GPU	$10/mes suscripción	$0.3/día GPU

Lecturas adicionales

• Repositorio de GitHub

• Nodos ComfyUI

• Guía de AudioCraft — para música solo instrumental