/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
19,9 ГБ
Лицензия
MIT
Архитектура
acestep · dense
Библиотека
transformers
Опубликована
25 июн 2026

acestep-v15-xl-base

Генерация аудиоТекст → аудио

Производная модели ACE-Step/acestep-v15-xl-base. Базовая музыкальная модель ACE-Step 1.5 XL генерирует музыку по текстовому описанию и поддерживает редактирование и дополнение аудио.

5скачиваний за 30 дней0лайковвеса обновлены25 июн 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 rAVEUK/acestep-v15-xl-base на Hugging Face совпадает с карточкой ACE-Step/acestep-v15-xl-base, поэтому описание составлено по ней.

ACE-Step 1.5 XL Base — базовая модель генерации музыки на основе декодера DiT с примерно 4 млрд параметров. Разработана проектом ACE-Step и служит основой для задач генерации музыки по текстовому описанию, создания каверов, перерисовки фрагментов, извлечения, сборки композиций из частей и дополнения аудио. Версия XL рассчитана на более высокое качество звука по сравнению с вариантами на 2 млрд параметров; модель использует 32 слоя, скрытый размер 2560 и 32 головы внимания.

Модель предназначена для создания и редактирования музыкальных композиций. Для работы требуется значительный объём видеопамяти: от 12 ГБ с выгрузкой на CPU и INT8-квантизацией, от 16 ГБ с выгрузкой на CPU или от 20 ГБ без неё. README сообщает, что обучение использовало лицензированную, свободную от роялти или общественным достоянием музыку, а также синтетические данные, и заявляет возможность коммерческого использования сгенерированной музыки. Лицензия репозитория — MIT.

Сценарии применения

  • создание музыкального трека по текстовому описанию
  • создание кавера на основе аудио
  • перерисовка выбранного фрагмента музыкального трека
  • извлечение музыкальных частей из аудио
  • сборка композиции из отдельных частей
  • дополнение существующего музыкального аудио

Ограничения

Для запуска требуется от 12 до 20 ГБ видеопамяти в зависимости от режима выгрузки и квантизации. Указание на коммерческое использование сгенерированной музыки приведено в README; лицензия репозитория — MIT.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Details

This is the XL (4B) Base variant of ACE-Step 1.5 — a larger DiT decoder with ~4B parameters for higher audio quality. It is the foundation model supporting all tasks: text-to-music, cover, repaint, extract, lego, and complete.

XL Architecture

ParameterValue
DiT Decoder hidden_size2560
DiT Decoder layers32
DiT Decoder attention heads32
Encoder hidden_size2048
Encoder layers8
Total params~4B
Weights size (bf16)~18.8 GB
Inference steps50 (with CFG)

GPU Requirements

VRAMSupport
≥12 GBWith CPU offload + INT8 quantization
≥16 GBWith CPU offload
≥20 GBWithout offload
≥24 GBFull quality (XL + 4B LM)

All LM models (0.6B / 1.7B / 4B) are fully compatible with XL.

Key Features

  • 💰 Commercial-Ready: Trained on legally compliant datasets. Generated music can be used for commercial purposes.
  • 📚 Safe Training Data: Licensed music, royalty-free/public domain, and synthetic (MIDI-to-Audio) data.
  • 🎯 Full Task Support: Text2Music, Cover, Repaint, Extract, Lego, Complete.
  • 🔮 Higher Quality: 4B parameters provide richer audio quality compared to the 2B variants.

Quick Start

# Install ACE-Step
git clone https://github.com/ace-step/ACE-Step-1.5.git
cd ACE-Step-1.5
pip install -e .

# Download this model
huggingface-cli download ACE-Step/acestep-v15-xl-base --local-dir ./checkpoints/acestep-v15-xl-base

# Run with Gradio UI
python acestep --config-path acestep-v15-xl-base

Model Zoo

XL (4B) DiT Models

DiT ModelCFGStepsQualityDiversityTasksHugging FaceModelScope
acestep-v15-xl-base✅50HighHighAll (extract, lego, complete)This repoLink
acestep-v15-xl-sft✅50Very HighMediumStandardLinkLink
acestep-v15-xl-turbo❌8Very HighMediumStandardLinkLink

2B DiT Models

DiT ModelCFGStepsHugging FaceModelScope
acestep-v15-turbo (default)❌8LinkLink
acestep-v15-sft✅50LinkLink
acestep-v15-base✅50LinkLink

LM Models (all compatible with XL)

LM ModelParamsAudio UnderstandingCompositionHugging FaceModelScope
acestep-5Hz-lm-0.6B0.6BMediumMediumLinkLink
acestep-5Hz-lm-1.7B1.7BMediumMediumIncluded in mainIncluded in main
acestep-5Hz-lm-4B4BStrongStrongLinkLink

Acknowledgements

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

Citation

@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
fac7f9e

0 моделей