Производная модели ACE-Step/acestep-v15-xl-turbo. Дистиллированная модель ACE-Step 1.5 XL Turbo генерирует музыку и аудио по текстовому описанию за 8 шагов.
20скачиваний за 30 дней0лайковвеса обновлены1 окт 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 wmghf2023/ACE-Step-1.5-xl-turbo-mirror на Hugging Face совпадает с карточкой ACE-Step/acestep-v15-xl-turbo, поэтому описание составлено по ней.
ACE-Step 1.5 XL Turbo — вариант модели ACE-Step 1.5 от проекта ACE-Step для генерации музыки и аудио. Это дистиллированная модель с архитектурой DiT Decoder и 3,1 млрд параметров по метаданным; README обозначает вариант как XL 4B. В карточке также указаны библиотека Transformers, формат safetensors и контекст 32 768 токенов.
Модель предназначена для генерации аудио по текстовому описанию. Turbo-вариант рассчитан на быстрый вывод за 8 шагов и ориентирован на высокое качество звука; README отмечает, что XL совместима с LM-моделями ACE-Step размером 0,6B, 1,7B и 4B. Для запуска требуется GPU с 12–20 ГБ VRAM в зависимости от квантования и выгрузки на CPU.
README сообщает, что обучение использовало лицензированную, royalty-free, общественно доступную и синтетическую музыку, а сгенерированную музыку можно использовать в коммерческих целях. Лицензия репозитория — MIT. Модель генерирует аудио, но сведения о поддерживаемых естественных языках и конкретных аудиоформатах в предоставленных данных отсутствуют.
Сценарии применения
генерация музыкального фрагмента по текстовому описанию
создание фоновой музыки для видео и игр
быстрое создание музыкальных идей и демо
генерация аудио для коммерческих проектов
Ограничения
Для работы требуется GPU с 12–20 ГБ видеопамяти в зависимости от настроек выгрузки и квантования. README описывает стандартные задачи генерации и не заявляет поддержку задач вариантов base и SFT, таких как извлечение или дополнение аудио.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
This is the XL (4B) Turbo variant of ACE-Step 1.5 — a distillation-accelerated model that generates high-quality audio in just 8 steps. Combines the speed of turbo with the quality of the 4B architecture.
XL Architecture
Parameter
Value
DiT Decoder hidden_size
2560
DiT Decoder layers
32
DiT Decoder attention heads
32
Encoder hidden_size
2048
Encoder layers
8
Total params
~4B
Weights size (bf16)
~18.8 GB
Inference steps
8 (no CFG, distilled)
GPU Requirements
VRAM
Support
≥12 GB
With CPU offload + INT8 quantization
≥16 GB
With CPU offload
≥20 GB
Without offload (recommended)
≥24 GB
Full 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.
⚡ Fast: 8-step inference — the fastest XL variant.
🔮 Higher Quality: 4B parameters provide richer audio quality than 2B turbo.
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-turbo --local-dir ./checkpoints/acestep-v15-xl-turbo
# Run with Gradio UI
python acestep --config-path acestep-v15-xl-turbo