ACE-Step 音乐生成

使用 ACE-Step 生成带人声的完整歌曲——<4GB VRAM 上的开源 Suno 替代方案

ACE-Step 1.5 是人人都在等待的开源音乐生成突破。它可以生成 带有人声和乐器的完整歌曲 来自文本提示词，可与 Suno 等商业服务相媲美——但能在本地的 GPU 上运行，且只需 MIT 许可证. 其杀手级功能是什么？它只需要 少于 4GB 的显存，让它成为有史以来最易用的 AI 音乐工具。在 RTX 4090 上可在 2–8 秒内生成一首完整曲目。

主要特性

完整歌曲生成：人声 + 乐器 + 音效，一次完成
< 4GB 显存：即使最便宜的 GPU 也能运行（RTX 3060，甚至 GTX 1060！）
每首曲目 2–8 秒：在现代 GPU 上几乎瞬间生成
MIT 许可证：可完全用于商业用途，无任何限制
歌词支持：可按主歌/副歌结构编写自己的歌词
风格控制：曲风标签、情绪、速度、编配
ComfyUI 集成：用于复杂音乐流水线的基于节点工作流

需求

组件

最低

速度参考

GPU

生成时间（30 秒曲目）

GTX 1060 6GB

约 15–20 秒

RTX 3060 12GB

约 6–10 秒

RTX 3080 10GB

约 4–6 秒

RTX 4090 24GB

约 2–3 秒

安装

独立模式

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

# 或通过 pip（如果可用）
pip install ace-step

ComfyUI 集成

cd ComfyUI/custom_nodes
git clone https://github.com/ace-step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# 重启 ComfyUI — ACE-Step 节点将会出现

快速开始

安装

ACE-Step 是一个 Gradio 网页应用——不是 pip 包。请从 Git 安装：

# 克隆并设置
git clone https://github.com/ACE-Step/ACE-Step-1.5.git
cd ACE-Step-1.5

# 选项 A：uv（推荐）
pip install uv
uv sync

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

启动 Web UI

# 启动 Gradio 界面
python app.py --port 7860 --share

# 适用于低显存（< 6GB）：
python app.py --port 7860 --half

打开 http://localhost:7860 在浏览器中打开。界面包含：

提示词输入框 — 描述风格："欢快电子流行，120 BPM"
歌词输入框 — 用以下标签编写段落： [Verse], [Chorus] 标签
时长滑块 — 15–120 秒
生成按钮 — 点击并等待 2–8 秒

使用歌词生成（Web UI）

在歌词输入框中输入：

[Verse 1]
我在深夜租用 GPU
服务器嗡嗡作响，屏幕如此明亮
训练模型，追逐梦想
一切从来都不像表面看起来那样

[Chorus]
我们今天正在打造一些新东西
未来只差一个提示词的距离
每一个 token，每一行
代码与音乐交织在一起

将提示词设为： 独立摇滚叙事曲，原声吉他，情感丰富，男声

CLI / 管道用法

# 使用管道脚本直接从命令行生成
cd ACE-Step-1.5
python acestep/acestep_v15_pipeline.py \
  --prompt "低保真嘻哈, 轻松, 雨天, 钢琴, 柔和鼓点" \
  --lyrics "" \
  --duration 30 \
  --output output.wav

ComfyUI 集成（批量工作流）

# 安装用于批量生成的 ComfyUI 节点
cd ComfyUI/custom_nodes
git clone https://github.com/ACE-Step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# 重启 ComfyUI — ACE-Step 节点会出现在节点菜单中

ComfyUI 节点让你可以在可视化工作流中，用不同的提示词批量生成多首曲目。

风格标签

使用风格标签控制生成：

# 曲风标签
“流行”、“摇滚”、“电子”、“嘻哈”、“爵士”、“古典”、“金属”、
“低保真”、“合成浪潮”、“氛围”、“民谣”、“R&B”、“乡村”

# 情绪标签
“快乐”、“悲伤”、“有活力”、“轻松”、“黑暗”、“史诗感”、“浪漫”

# 乐器标签
“钢琴”、“吉他”、“鼓”、“贝斯”、“合成器”、“弦乐”、“小提琴”

# 人声标签
“男声”、“女声”、“合唱”、“无人声”、“哼唱”

# 技术标签
“120 BPM”、“小调”、“大调”、“4/4 拍”

Web UI

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

网页 UI 提供：

带风格预设的文本提示词输入
带有主歌/副歌格式的歌词编辑器
时长和质量滑块
实时波形预览
下载为 WAV 或 MP3

Clore.ai 上的使用场景

使用场景

配置

成本

视频背景音乐

RTX 3060，批量生成

$0.03–0.07/小时

歌曲原型 / 演示

RTX 3080，实时生成

$0.05–0.19/小时

音乐制作流水线

RTX 4090 + ComfyUI

$0.14–0.42/小时

播客片头/片尾

任何 GPU，一次生成

$0.03–0.07/小时

给 Clore.ai 用户的建议

可能的最低成本 AI 工作负载：对于 RTX 3060，每小时 $0.03–0.07，就能用几分钱生成数百首曲目
通宵批量运行：租用一块 GPU 8 小时（$0.05–0.1），生成 500+ 首曲目
用于流水线的 ComfyUI：与图像生成串联，用于专辑封面工作流
导出质量：以最高质量生成，然后在需要时在 DAW 中处理
风格混合：在提示词中组合曲风："带黑胶噪音的低保真爵士嘻哈" 的效果出奇地好

故障排查

问题

解决方案

未找到 CUDA

确保已安装支持 CUDA 的 PyTorch： pip install torch --index-url https://download.pytorch.org/whl/cu128

模型下载缓慢

设置 HF_HUB_ENABLE_HF_TRANSFER=1 以获得更快下载速度

音频听起来失真

尝试降低温度（0.7）或减少推理步数

4GB 显存不足

将时长缩短到 15 秒；升级到 6GB GPU

缺少 ComfyUI 节点

安装自定义节点后重启 ComfyUI

ACE-Step 对比 Suno 与 AudioCraft

功能

ACE-Step 1.5

Suno v4

AudioCraft

完整歌曲

✅

❌（仅音乐）

人声

✅

❌

本地/自托管

✅

❌（云端）

✅

许可证

MIT

专有

MIT

最低显存

4GB

不适用

16GB

速度（30 秒）

2–8 秒

约 30 秒

约 60 秒

成本

约 $0.04/小时 GPU

$10/月订阅

约 $0.08/小时 GPU