Генерация музыки ACE-Step

Создавайте полноценные песни с вокалом с помощью ACE-Step — open-source альтернатива Suno на <4GB VRAM

ACE-Step 1.5 — это прорыв в открытом ПО для генерации музыки, которого все ждали. Он создаёт полноценные песни с вокалом и инструментами по текстовым запросам, конкурируя с коммерческими сервисами вроде Suno — но работает локально на вашем GPU с лицензией MITНо главная фишка? Ему нужно менее 4 ГБ VRAM, что делает его самым доступным ИИ-инструментом для музыки из когда-либо созданных. Создайте полноценный трек за 2–8 секунд на RTX 4090.

Ключевые особенности

• Генерация полноценной песни: Вокал + инструменты + эффекты за один проход

• < 4 ГБ VRAM: Работает даже на самых дешёвых GPU (RTX 3060, даже GTX 1060!)

• 2–8 секунд на трек: Почти мгновенная генерация на современных GPU

• лицензией MIT: Полное коммерческое использование, без ограничений

• Поддержка текста песен: Пишите свои собственные тексты со структурой куплет/припев

• Управление стилем: Теги жанра, настроение, темп, инструменты

• Интеграция с ComfyUI: Узловой рабочий процесс для сложных музыкальных пайплайнов

Требования

Компонент	Минимум	Рекомендуется
GPU	Любая с 4 ГБ VRAM	RTX 3060 или лучше
VRAM	4 ГБ	6 ГБ+
ОЗУ	8 ГБ	16GB
Диск	10 ГБ	15 ГБ
Python	3.10+	3.11

Рекомендуемая GPU от Clore.ai: RTX 3060 6 ГБ ($0.03–0.07/час) — да, самая дешёвая GPU работает!

Справочник по скорости

GPU	Время генерации (трек 30 с)
GTX 1060 6 ГБ	~15–20 с
RTX 3060 12GB	~6–10 с
RTX 3080 10GB	~4–6 с
RTX 4090 24GB	~2–3 с

Установка

Автономный

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

# Или через pip (если доступно)
pip install ace-step

Интеграция с ComfyUI

cd ComfyUI/custom_nodes
git clone https://github.com/ace-step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# Перезапустите ComfyUI — узлы ACE-Step появятся

Быстрый старт

Установка

ACE-Step — это веб-приложение Gradio, а не пакет pip. Установите из Git:

# Клонировать и настроить
git clone https://github.com/ACE-Step/ACE-Step-1.5.git
cd ACE-Step-1.5

# Вариант A: uv (рекомендуется)
pip install uv
uv sync

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

Запустить веб-интерфейс

# Запустить интерфейс Gradio
python app.py --port 7860 --share

# Для низкой VRAM (< 6 ГБ):
python app.py --port 7860 --half

Открыть http://localhost:7860 в вашем браузере. Интерфейс включает:

1. Поле запроса — опишите стиль: "энергичный электронный поп, 120 BPM"

2. Поле текста песни — пишите куплеты с [Verse], [Chorus] тегами

3. Ползунок длительности — 15–120 секунд

4. Кнопка генерации — нажмите и подождите 2–8 секунд

Генерация с текстом песни (веб-интерфейс)

Введите в поле текста песни:

[Verse 1]
Я арендую GPU поздней ночью
Гудят серверы, экраны так ярко
Обучаем модели, гонимся за мечтами
Ничто не бывает таким, каким кажется

[Chorus]
Сегодня мы строим нечто новое
Будущее — всего лишь в одном запросе
С каждым токеном, каждой строкой
Код и музыка переплетаются

Установите запрос на: инди-рок-баллада, акустическая гитара, эмоционально, мужской вокал

Использование CLI / пайплайна

# Генерация из командной строки с помощью скрипта пайплайна напрямую
cd ACE-Step-1.5
python acestep/acestep_v15_pipeline.py \
  --prompt "lo-fi хип-хоп, chill, дождливый день, пианино, мягкие барабаны" \
  --lyrics "" \
  --duration 30 \
  --output output.wav

Интеграция с ComfyUI (пакетный рабочий процесс)

# Установите узлы ComfyUI для пакетной генерации
cd ComfyUI/custom_nodes
git clone https://github.com/ACE-Step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# Перезапустите ComfyUI — узлы ACE-Step появятся в меню узлов

Узлы ComfyUI позволяют пакетно генерировать несколько треков с разными запросами в визуальном рабочем процессе.

Теги стиля

Управляйте генерацией с помощью тегов стиля:

# Теги жанра
"pop", "rock", "electronic", "hip-hop", "jazz", "classical", "metal",
"lo-fi", "synthwave", "ambient", "folk", "R&B", "country"

# Теги настроения
"happy", "sad", "energetic", "chill", "dark", "epic", "romantic"

# Теги инструментов
"piano", "guitar", "drums", "bass", "synth", "strings", "violin"

# Теги вокала
"male vocal", "female vocal", "choir", "no vocals", "humming"

# Технические теги
"120 BPM", "minor key", "major key", "4/4 time"

Веб-интерфейс

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

Веб-интерфейс предоставляет:

• Ввод текстового запроса с пресетами стиля

• Редактор текста песни с форматированием куплет/припев

• Ползунки длительности и качества

• Предпросмотр волновой формы в реальном времени

• Скачать как WAV или MP3

Варианты использования на Clore.ai

Сценарий использования	Конфигурация	Стоимость
Фоновая музыка для видео	RTX 3060, пакетная генерация	$0.03–0.07/час
Прототипирование песен / демо	RTX 3080, в реальном времени	$0.05–0.19/ч
Пайплайн музыкального производства	RTX 4090 + ComfyUI	$0.14–0.42/ч
Интро/аутро для подкастов	Любая GPU, одноразовый запуск	$0.03–0.07/час

Советы для пользователей Clore.ai

• Самая дешёвая возможная ИИ-нагрузка: При $0.03–0.07/час за RTX 3060 можно генерировать сотни треков за копейки

• Пакетно за ночь: Арендуйте GPU на 8 часов ($0.05–0.1), создайте 500+ треков

• ComfyUI для пайплайнов: Свяжите с генерацией изображений для рабочих процессов с обложками альбомов

• Качество экспорта: Генерируйте в максимальном качестве, затем при необходимости обработайте в DAW

• Смешивание стилей: Комбинируйте жанры в запросах: "lo-fi jazz hip hop с потрескиванием винила" работает удивительно хорошо

Устранение неполадок

Проблема	Решение
CUDA не найдена	Убедитесь, что PyTorch установлен с CUDA: pip install torch --index-url https://download.pytorch.org/whl/cu128
Медленная загрузка модели	Установите HF_HUB_ENABLE_HF_TRANSFER=1 для более быстрой загрузки
Аудио звучит искажённо	Попробуйте снизить temperature (0.7) или уменьшить число шагов инференса
Не хватает памяти на 4 ГБ	Уменьшите длительность до 15 секунд; обновитесь до GPU с 6 ГБ
Узлы ComfyUI отсутствуют	Перезапустите ComfyUI после установки пользовательских узлов

ACE-Step vs Suno vs AudioCraft

Функция	ACE-Step 1.5	Suno v4	AudioCraft
Полные песни	✅	✅	❌ (только музыка)
Вокал	✅	✅	❌
Локально / на своём сервере	✅	❌ (облако)	✅
Лицензия	MIT	Закрытый	MIT
Мин. VRAM	4 ГБ	Н/Д	16GB
Скорость (30 с)	2–8 с	~30 сек	~60 с
Стоимость	~$0.04/час GPU	Подписка $10/мес	~$0.08/час GPU

Дополнительное чтение

• Репозиторий GitHub

• Узлы ComfyUI

• Руководство по AudioCraft — для музыки только с инструменталом