Génération musicale ACE-Step

Générez des chansons complètes avec voix grâce à ACE-Step — alternative open source à Suno sur moins de 4 Go de VRAM

ACE-Step 1.5 est la percée open source de génération musicale que tout le monde attendait. Il génère des chansons complètes avec voix et instruments à partir d’invites textuelles, rivalisant avec des services commerciaux comme Suno — mais s’exécute localement sur votre GPU avec une licence MIT. La fonctionnalité phare ? Il nécessite moins de 4 Go de VRAM, ce qui en fait l’outil d’IA musicale le plus accessible jamais créé. Générez une piste complète en 2 à 8 secondes sur une RTX 4090.

Caractéristiques clés

• Génération de chanson complète: voix + instruments + effets en un seul passage

• < 4 Go de VRAM: fonctionne même sur les GPU les moins chers (RTX 3060, même GTX 1060 ! )

• 2 à 8 secondes par piste: génération quasi instantanée sur les GPU modernes

• licence MIT: utilisation commerciale totale, sans restrictions

• Prise en charge des paroles: rédigez vos propres paroles avec une structure couplet/refrain

• Contrôle du style: étiquettes de genre, ambiance, tempo, instrumentation

• Intégration ComfyUI: flux de travail basé sur des nœuds pour des pipelines musicaux complexes

Exigences

Composant	Minimum	Recommandé
GPU	N’importe lequel avec 4 Go de VRAM	RTX 3060 ou mieux
VRAM	4 Go	6 Go et plus
RAM	8 Go	16 Go
Disque	10GB	15 Go
Python	3.10+	3.11

GPU Clore.ai recommandé: RTX 3060 6 Go (0,03 à 0,07 $/h) — oui, le GPU le moins cher fonctionne !

Référence de vitesse

GPU	Temps de génération (piste de 30 s)
GTX 1060 6 Go	~15 à 20 s
RTX 3060 12 Go	~6 à 10 s
RTX 3080 10 Go	~4 à 6 s
RTX 4090 24 Go	~2 à 3 s

Installation

Autonome

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

# Ou via pip (si disponible)
pip install ace-step

Intégration ComfyUI

cd ComfyUI/custom_nodes
git clone https://github.com/ace-step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# Redémarrez ComfyUI — les nœuds ACE-Step apparaîtront

Démarrage rapide

Installation

ACE-Step est une application web Gradio — pas un package pip. Installez depuis Git :

# Cloner et configurer
git clone https://github.com/ACE-Step/ACE-Step-1.5.git
cd ACE-Step-1.5

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

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

Lancer l’interface web

# Démarrer l’interface Gradio
python app.py --port 7860 --share

# Pour faible VRAM (< 6 Go) :
python app.py --port 7860 --half

Ouvrez http://localhost:7860 dans votre navigateur. L’interface utilisateur comprend :

1. Champ d’invite — décrivez le style : « pop électronique entraînante, 120 BPM »

2. Champ des paroles — écrivez des couplets avec [Verse], [Chorus] des balises

3. Curseur de durée — 15 à 120 secondes

4. Bouton Générer — cliquez et attendez 2 à 8 secondes

Générer avec des paroles (interface web)

Saisissez dans le champ des paroles :

[Verse 1]
Je loue les GPU tard dans la nuit
Les serveurs bourdonnent, les écrans si lumineux
Entraîner des modèles, poursuivre des rêves
Rien n’est jamais ce qu’il semble être

[Chorus]
Nous construisons quelque chose de nouveau aujourd’hui
L’avenir n’est qu’à une invite de distance
Avec chaque jeton, chaque ligne
Le code et la musique s’entrelacent

Définissez l’invite sur : ballade indie rock, guitare acoustique, émotionnelle, voix masculine

Utilisation CLI / pipeline

# Générer depuis la ligne de commande en utilisant directement le script du 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

Intégration ComfyUI (flux de travail par lots)

# Installer les nœuds ComfyUI pour la génération par lots
cd ComfyUI/custom_nodes
git clone https://github.com/ACE-Step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# Redémarrez ComfyUI — les nœuds ACE-Step apparaissent dans le menu des nœuds

Les nœuds ComfyUI vous permettent de générer en lot plusieurs pistes avec différentes invites dans un flux de travail visuel.

Balises de style

Contrôlez la génération avec des balises de style :

# Balises de genre
"pop", "rock", "électronic", "hip-hop", "jazz", "classique", "metal",
"lo-fi", "synthwave", "ambient", "folk", "R&B", "country"

# Balises d’ambiance
"heureux", "triste", "énergique", "chill", "sombre", "épique", "romantique"

# Balises d’instrument
"piano", "guitare", "batterie", "basse", "synthé", "cordes", "violon"

# Balises vocales
"voix masculine", "voix féminine", "chorale", "sans voix", "fredonnement"

# Balises techniques
"120 BPM", "mode mineur", "mode majeur", "mesure 4/4"

Interface web

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

L’interface web fournit :

• Saisie d’invite textuelle avec préréglages de style

• Éditeur de paroles avec mise en forme couplet/refrain

• Curseurs de durée et de qualité

• Aperçu de la forme d’onde en temps réel

• Téléchargement en WAV ou MP3

Cas d’utilisation sur Clore.ai

Cas d’utilisation	Configuration	Coût
Musique d’ambiance pour les vidéos	RTX 3060, génération par lots	$0.03–0.07/hr
Prototypage / maquettes de chansons	RTX 3080, en temps réel	0,05–0,19 $/h
Pipeline de production musicale	RTX 4090 + ComfyUI	0,14–0,42 $/h
Jingles d’intro/outro de podcast	N’importe quel GPU, en une seule passe	$0.03–0.07/hr

Conseils pour les utilisateurs de Clore.ai

• La charge de travail IA la moins chère possible: À 0,03 à 0,07 $/h pour une RTX 3060, générez des centaines de pistes pour quelques centimes

• En lot pendant la nuit: Louez un GPU pendant 8 heures (0,05 à 0,1 $), générez plus de 500 pistes

• ComfyUI pour les pipelines: enchaînez avec la génération d’images pour des flux de travail de pochette d’album

• Qualité d’export: générez à la plus haute qualité, puis traitez dans un DAW si nécessaire

• Mélange de styles: combinez les genres dans les invites : « lo-fi jazz hip hop avec craquement de vinyle » fonctionne étonnamment bien

Dépannage

Problème	Solution
CUDA introuvable	Assurez-vous que PyTorch est installé avec CUDA : pip install torch --index-url https://download.pytorch.org/whl/cu128
Téléchargement du modèle lent	Définissez HF_HUB_ENABLE_HF_TRANSFER=1 pour des téléchargements plus rapides
L’audio semble déformé	Essayez une température plus basse (0,7) ou moins d’étapes d’inférence
Mémoire insuffisante sur 4 Go	Réduisez la durée à 15 secondes ; passez à un GPU de 6 Go
Nœuds ComfyUI manquants	Redémarrez ComfyUI après avoir installé les nœuds personnalisés

ACE-Step vs Suno vs AudioCraft

Fonctionnalité	ACE-Step 1.5	Suno v4	AudioCraft
Chansons complètes	✅	✅	❌ (musique uniquement)
Voix	✅	✅	❌
Local/autohébergé	✅	❌ (cloud)	✅
Licence	MIT	Propriétaire	MIT
VRAM minimale	4 Go	N/A	16 Go
Vitesse (30 s)	2 à 8 s	~30 s	~60 s
Coût	~0,04 $/h de GPU	abonnement 10 $/mois	~0,08 $/h de GPU

Pour aller plus loin

• Dépôt GitHub

• Nœuds ComfyUI

• Guide AudioCraft — pour de la musique instrumentale uniquement