ACE-Step 音乐生成

使用 ACE-Step 生成带人声的完整歌曲——开源的 Suno 替代方案，低于 4GB VRAM 即可运行

ACE-Step 1.5 是大家期待已久的开源音乐生成突破。它可以生成 带人声和乐器的完整歌曲 从文本提示生成，与像 Suno 这样的商业服务媲美 —— 但可在你的 GPU 本地运行，并且有一个 MIT 许可证。杀手级功能？它只需要 少于 4GB 显存，使其成为史上最容易上手的 AI 音乐工具。在 RTX 4090 上可在 2–8 秒内生成完整曲目。

主要特性

• 完整歌曲生成：一次通过生成人声 + 乐器 + 效果

• < 4GB 显存：即使是最便宜的 GPU（RTX 3060，甚至 GTX 1060！）也能运行

• 每轨 2–8 秒：在现代 GPU 上接近即时生成

• MIT 许可证：可用于商业用途，无限制

• 歌词支持：可撰写带有段落/副歌结构的自创歌词

• 风格控制：流派标签、情绪、节奏、编制控制

• ComfyUI 集成：基于节点的工作流，用于构建复杂的音乐管线

要求

组件	最低	推荐
GPU	任何拥有 4GB 显存的显卡均可	RTX 3060 或更好
显存	4GB	6GB+
内存	8GB	16GB
磁盘	10GB	15GB
Python	3.10+	3.11

推荐的 Clore.ai GPU：RTX 3060 6GB（约 $0.15–0.3/天）——是的，最便宜的 GPU 也能用！

速度参考

GPU	生成时间（30 秒曲目）
GTX 1060 6GB	~15–20 秒
RTX 3060 12GB	~6–10 秒
RTX 3080 10GB	~4–6 秒
RTX 4090 24GB	~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

demo.launch(server_name="0.0.0.0", server_port=7860)
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 界面

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

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

打开 http://localhost:7860 在你的浏览器中。界面包含：

1. 提示字段 — 描述风格，例如：“欢快的电子流行，120 BPM”

2. 歌词字段 — 用以下方式写段落： [Verse], [Chorus] 标签

3. 时长滑块 — 15–120 秒

4. 生成按钮 — 点击并等待 2–8 秒

带歌词生成（Web 界面）

在歌词字段中输入：

[Verse 1]
我在深夜租用 GPU
服务器低鸣，屏幕明亮
训练模型，追逐梦想
没有什么是表面看起来的样子

[Chorus]
我们今天正在构建新的东西
未来只在一个提示之外
每一个标记，每一行句子
代码和音乐交织在一起

将提示设置为： 独立摇滚抒情曲，原声吉他，情感化，男声

CLI / 管道 使用

# 使用管道脚本从命令行生成
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

ComfyUI 集成（批处理工作流）

# 安装用于批量生成的 ComfyUI 节点
demo.launch(server_name="0.0.0.0", server_port=7860)
git clone https://github.com/ACE-Step/ComfyUI-ACE-Step
pip install -r ComfyUI-ACE-Step/requirements.txt
# 重启 ComfyUI — 在节点菜单中会出现 ACE-Step 节点

ComfyUI 节点允许你在可视化工作流中使用不同提示批量生成多条曲目。

风格标签

使用风格标签控制生成：

# 流派标签
"流行", "摇滚", "电子", "嘻哈", "爵士", "古典", "金属",
"lo-fi", "合成波", "氛围", "民谣", "节奏蓝调", "乡村"

# 情绪标签
"快乐", "伤感", "充满活力", "放松", "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"

网页界面

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

该网页界面提供：

• 带风格预设的文本提示输入

• 带段落/副歌格式的歌词编辑器

• 时长和质量滑块

• 实时波形预览

• 以 WAV 或 MP3 下载

Clore.ai 上的使用场景

模型变体	设置	成本
视频的背景音乐	RTX 3060，批量生成	~$0.15/天
歌曲原型 / 演示	RTX 3080，实时	~$0.3/天
音乐制作管线	RTX 4090 + ComfyUI	~$1/天
播客开场/结束音乐	任意 GPU，一次生成	~$0.15/天

给 Clore.ai 用户的提示

• 可能的最低成本 AI 工作负载：以 RTX 3060 每天 $0.15 的成本，可以以几美分的代价生成数百首曲目

• 通宵批处理：租用 GPU 8 小时（$0.05–0.1），生成 500+ 首曲目

• 用于管线的 ComfyUI：与图像生成串联以制作专辑封面工作流

• 导出质量：先以最高质量生成，若需要可在 DAW 中后处理

• 风格混合：在提示中结合流派："带有黑胶滋滋声的 lo-fi 爵士嘻哈" 效果令人惊讶地好

# 使用固定种子以获得一致结果

问题	解决方案
未找到 CUDA	确保已安装带 CUDA 的 PyTorch： pip install torch --index-url https://download.pytorch.org/whl/cu121
模型下载缓慢	设置 HF_HUB_ENABLE_HF_TRANSFER=1 以便更快下载
音频听起来失真	尝试降低温度（0.7）或减少推理步数
4GB 显存出现内存不足	将时长减少到 15 秒；升级到 6GB 显存的 GPU
找不到 ComfyUI 节点	安装自定义节点后重启 ComfyUI

ACE-Step vs Suno vs AudioCraft

特性	ACE-Step 1.5	Suno v4	AudioCraft
完整歌曲	✅	✅	❌（仅限音乐）
人声	✅	✅	❌
本地/自托管	✅	❌（云端）	✅
许可	MIT 协议	专有	MIT 协议
最小显存	4GB	不适用	16GB
速度（30 秒）	2–8 秒	~30 秒	~60 秒
成本	$0.15/天 GPU	$10/月 订阅	$0.3/天 GPU

延伸阅读

• GitHub 仓库

• ComfyUI 节点

• AudioCraft 指南 — 仅用于纯器乐音乐