/ Модель

Характеристики

Контекст
32 768 токенов
Размер весов
22,4 ГБ
Лицензия
MIT
Архитектура
qwen2_5_omni · dense
Библиотека
transformers
Опубликована
22 июл 2026

acestep-captioner-fork

Генерация аудиоТекст → аудио4 профессии

Производная модели ACE-Step/acestep-captioner. ACE-Step Captioner анализирует музыкальное аудио и создаёт подробные текстовые описания жанра, инструментов, структуры и звучания.

7скачиваний за 30 дней0лайковвеса обновлены22 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Синтез речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели amandabenson/acestep-captioner-fork на Hugging Face совпадает с карточкой ACE-Step/acestep-captioner, поэтому описание составлено по ней.

ACE-Step Captioner — модель для подробного описания музыкального аудио, используемая ACE-Step v1.5 для аннотирования обучающих данных. Она построена на архитектуре Qwen2.5 Omni и принимает аудио, формируя текстовые описания музыки.

Модель анализирует жанры и стилистические влияния, распознаёт инструменты, описывает структуру произведения и её развитие, тембр, текстуру, пространственные характеристики и динамику. Её можно применять для разметки музыки при подготовке данных для генеративных моделей, создания поисковых метаданных аудиокаталогов, музыкального анализа и документирования звукового дизайна. В карточке заявлено качество выше Gemini Pro 2.5 в задачах описания музыки; независимая проверка этого сравнения не представлена.

Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — MIT. Размер модели и ограничение контекста в предоставленных данных не приведены.

Сценарии применения

  • создание описаний музыкальных треков для аудиокаталога
  • автоматическая разметка музыки для обучающих данных
  • поиск треков по жанру, инструментам и звучанию
  • анализ структуры песни и её динамического развития
  • документирование тембра и звукового дизайна

Ограничения

В предоставленных данных не указаны поддерживаемые языки описаний и пределы длительности аудио. Заявление о превосходстве над Gemini Pro 2.5 приведено в карточке модели без независимого подтверждения.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Tech Report

ACE-Step Captioner

Description

ACE-Step Captioner is the annotation model used by ACE-Step v1.5 for training data labeling. It is a professional-grade music captioning model that generates detailed, structured descriptions of audio content.

Performance

🏆 Accuracy surpasses Gemini Pro 2.5 in music description tasks

Key Features

  • 🎼 Musical Style Analysis - Identifies genres, sub-genres, and stylistic influences
  • 🎸 Instrument Recognition - Detects and describes 1000+ instrument types and combinations
  • 🎭 Structure & Progression - Analyzes musical arrangement including intro, verse, chorus, bridge, climax, and outro
  • 🔊 Timbre Description - Captures tonal qualities, textures, and sonic characteristics
  • 📝 Rich Vocabulary - Supports 1000+ descriptive terms for comprehensive music annotation

Usage

The usage is the same as Qwen2.5 Omni-7B.

Prompt Format

Use the following prompt to caption audio:

*Task* Describe this audio in detail
<audio>

Output Format

The model generates natural language descriptions covering multiple aspects of the music.

Example Output

A melancholic indie folk track featuring fingerpicked acoustic guitar 
as the primary instrument. The song opens with a sparse, contemplative 
intro before the vocals enter with a breathy, intimate delivery. 
The arrangement gradually builds through the verse, adding subtle 
string pads and a gentle kick drum. The chorus lifts with layered 
harmonies and a warmer, fuller texture. The bridge introduces a 
key change and emotional climax before returning to the stripped-down 
acoustic arrangement for the outro.

Descriptive Capabilities

Musical Styles (Examples)

CategoryStyles
ElectronicAmbient, Techno, House, Drum & Bass, Synthwave, IDM, Downtempo
RockAlternative, Indie, Post-Rock, Progressive, Psychedelic, Grunge
PopSynth-pop, Electropop, Dream Pop, Art Pop, Indie Pop
ClassicalOrchestral, Chamber, Minimalist, Neo-Classical, Cinematic
WorldLatin, African, Middle Eastern, Asian Traditional, Celtic
JazzFusion, Smooth, Bebop, Modal, Free Jazz
Hip-HopTrap, Boom Bap, Lo-fi, Instrumental, Cloud Rap

Instruments (1000+ Supported)

CategoryExamples
StringsAcoustic Guitar, Electric Guitar, Violin, Cello, Bass, Harp, Mandolin
KeysPiano, Synthesizer, Organ, Rhodes, Wurlitzer, Mellotron
PercussionDrums, Electronic Drums, Congas, Bongos, Timpani, Vibraphone
WindSaxophone, Trumpet, Flute, Clarinet, Oboe, French Horn
ElectronicSynth Bass, Pad, Lead, Arpeggiator, Sampler, 808, 303

Structure Analysis

  • Intro / Outro - Opening and closing sections
  • Verse / Pre-Chorus / Chorus - Main song structure
  • Bridge / Break - Transitional sections
  • Build-up / Drop / Climax - Dynamic progression
  • Interlude / Solo - Instrumental passages

Timbre Descriptions

DimensionDescriptors
TextureWarm, Bright, Dark, Crisp, Muddy, Clean, Distorted, Saturated
SpaceReverberant, Dry, Spacious, Intimate, Cavernous, Tight
DynamicsPunchy, Soft, Aggressive, Gentle, Compressed, Dynamic
CharacterEthereal, Gritty, Smooth, Raw, Polished, Organic, Synthetic

Use Cases

  • Music AI Training - Generate high-quality captions for music generation models
  • Music Information Retrieval - Create searchable metadata for audio databases
  • Content Moderation - Analyze and categorize music content
  • Music Education - Provide detailed analysis for learning purposes
  • Audio Production - Document and describe sound design elements

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5OmniForConditionalGeneration
Ревизия весов
9089ffc

0 моделей