/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,3 млрд
Лицензия
MIT
Архитектура
acestep · dense
Библиотека
transformers
Опубликована
20 авг 2026

Ace-Step1.5

Генерация аудиоТекст → аудио3 профессии

Производная модели ACE-Step/Ace-Step1.5. ACE-Step 1.5 — модель генерации музыки и песен по текстовым описаниям с управлением стилем и инструментами редактирования аудио.

10скачиваний за 30 дней0лайковвеса обновлены20 авг 2026

Бенчмарки

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

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 fukem420/Ace-Step1.5 на Hugging Face совпадает с карточкой ACE-Step/Ace-Step1.5, поэтому описание составлено по ней.

ACE-Step 1.5 — открытая модель генерации музыки, разработанная командой ACE-Step. Она предназначена для создания песен и музыкальных фрагментов по текстовому запросу, с управлением стилем и поддержкой сценариев редактирования аудио: создания каверов, перерисовки фрагментов и преобразования вокала в фоновую музыку. В README заявлена гибридная архитектура: языковая модель планирует композицию и формирует метаданные, текст и подписи, а Diffusion Transformer синтезирует аудио. Модель содержит 1,3 млрд параметров; метаданные указывают контекст в 32 768 токенов и формат Safetensors. README заявляет поддержку более 50 языков, генерацию композиций длительностью до 10 минут и работу менее чем с 4 ГБ видеопамяти.

Модель ориентирована на музыкантов, продюсеров и создателей контента; README также заявляет возможность коммерческого использования сгенерированной музыки. Лицензия репозитория — MIT. Заявления о скорости генерации, требованиях к памяти и юридической чистоте обучающих данных приведены в карточке проекта и не являются независимой оценкой качества или правового статуса конкретной генерации.

Сценарии применения

  • создание песни по текстовому описанию жанра и настроения
  • генерация музыкальных фрагментов и композиций длительностью до 10 минут
  • создание музыкального кавера по аудиореференсу
  • перерисовка или продолжение фрагмента музыкальной записи
  • преобразование вокала в фоновую музыку

Ограничения

Заявленная поддержка более 50 языков и качество генерации не подтверждены независимыми данными в предоставленных источниках. Заявления о коммерческой пригодности обучающих данных и использовании результатов исходят из README проекта.

Для каких профессий подходит3

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

image

Model Details

🚀 ACE-Step v1.5 is a highly efficient open-source music foundation model designed to bring commercial-grade music generation to consumer hardware.

Key Features

  • 💰 Commercial-Ready: Unlike many models trained on ambiguous datasets, ACE-Step v1.5 is designed for creators. You can strictly use the generated music for commercial purposes.
  • 📚 Safe & Robust Training Data: The model is trained on a massive, legally compliant dataset consisting of:
    • Licensed Data: Professionally licensed music tracks.
    • Royalty-Free / No-Copyright Data: A vast collection of public domain and royalty-free music.
    • Synthetic Data: High-quality audio generated via advanced MIDI-to-Audio conversion.
  • ⚡ Extreme Speed: Generates a full song in under 2 seconds on an A100 and under 10 seconds on an RTX 3090.
  • 🖥️ Consumer Hardware Friendly: Runs locally with less than 4GB of VRAM.

Technical Capabilities

🌉 At its core lies a novel hybrid architecture where the Language Model (LM) functions as an omni-capable planner: it transforms simple user queries into comprehensive song blueprints—scaling from short loops to 10-minute compositions—while synthesizing metadata, lyrics, and captions via Chain-of-Thought to guide the Diffusion Transformer (DiT). ⚡ Uniquely, this alignment is achieved through intrinsic reinforcement learning relying solely on the model's internal mechanisms, thereby eliminating the biases inherent in external reward models or human preferences. 🎚️

🔮 Beyond standard synthesis, ACE-Step v1.5 unifies precise stylistic control with versatile editing capabilities—such as cover generation, repainting, and vocal-to-BGM conversion—while maintaining strict adherence to prompts across 50+ languages. This paves the way for powerful tools that seamlessly integrate into the creative workflows of music artists, producers, and content creators. 🎸

  • Developed by: [ACE-STEP]
  • Model type: [Text2Music]
  • Language(s): [50+ languages]
  • License: [MIT]

Evaluation

image

🏗️ Architecture

image

🦁 Model Zoo

image

DiT Models

DiT ModelPre-TrainingSFTRLCFGStepRefer audioText2MusicCoverRepaintExtractLegoCompleteQualityDiversityFine-TunabilityHugging Face
acestep-v15-base✅❌❌✅50✅✅✅✅✅✅✅MediumHighEasyLink
acestep-v15-sft✅✅❌✅50✅✅✅✅❌❌❌HighMediumEasyLink
acestep-v15-turbo✅✅❌❌8✅✅✅✅❌❌❌Very HighMediumMediumLink
acestep-v15-turbo-rl✅✅✅❌8✅✅✅✅❌❌❌Very HighMediumMediumTo be released

LM Models

LM ModelPretrain fromPre-TrainingSFTRLCoT metasQuery rewriteAudio UnderstandingComposition CapabilityCopy MelodyHugging Face
acestep-5Hz-lm-0.6BQwen3-0.6B✅✅✅✅✅MediumMediumWeak✅
acestep-5Hz-lm-1.7BQwen3-1.7B✅✅✅✅✅MediumMediumMedium✅
acestep-5Hz-lm-4BQwen3-4B✅✅✅✅✅StrongStrongStrong✅

🙏 Acknowledgements

This project is co-led by ACE Studio and StepFun.

📖 Citation

If you find this project useful for your research, please consider citing:

@misc{gong2026acestep,
	title={ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation},
	author={Junmin Gong, Yulin Song, Wenxiao Zhao, Sen Wang, Shengyuan Xu, Jing Guo}, 
	howpublished={\url{https://github.com/ace-step/ACE-Step-1.5}},
	year={2026},
	note={GitHub repository}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
AceStepConditionGenerationModel
Ревизия весов
b0df5ba

0 моделей