ACE-Step 1.5 本地音乐生成安装教程：10 分钟从 0 到第一首歌完整指南

ACE-Step 1.5 本地音乐生成安装教程10 分钟从 0 到第一首歌完整指南【免费下载链接】ACE-Step-1.5The most powerful local music generation model that outperforms almost all commercial alternatives, supporting Mac, AMD, Intel, and CUDA devices.项目地址: https://gitcode.com/gh_mirrors/ac/ACE-Step-1.5ACE-Step 1.5 是目前最强的开源本地音乐生成模型之一A100 上 2 秒内出一首完整歌曲RTX 3090 上 10 秒内完成显存 4GB 就能跑起来。它支持文生歌、翻唱、局部重绘、人声转伴奏全程在本地运行不上传任何音频。读完这篇 ACE-Step 1.5 安装教程你能在 Windows / macOS / Linux 上装好它并生成自己的第一首歌。装好之后你能直接做什么输入「轻快的夏日电子流行女声BPM 120」几十秒后得到带人声和伴奏的完整歌曲⚡ 上传一段人声轨自动生成伴奏vocal2bgm或把伴奏反推成人声版指定某一段做局部重绘repaint只改副歌而不重新生成全曲对现有音频做翻唱、分轨或用参考音频引导新曲的风格用 8 首歌训练一个 LoRA 适配自己的风格RTX 3090 上约 1 小时先确认机器ACE-Step 1.5 最低环境要求项目最低要求推荐配置Python3.11正式版非预发布版3.11–3.12GPU纯 CPU速度很慢NVIDIA CUDA显存4GB仅 DiT 模式6GB 以上LM DiT 全功能磁盘核心模型约 10GB预留 20GB系统Windows / macOS / Linux均支持AMD 用户走 ROCm 路线、Intel Arc 走 XPU、Mac 用 Apple Silicon 的 MLX 原生加速细节见 docs/zh/GPU_COMPATIBILITY.md。注意 Windows 上的 ROCm 要求 Python 3.12。安装主线三条命令完成本地部署整个流程就三件事装uv包管理器负责自动管理 Python 依赖不用手动建虚拟环境、克隆仓库让uv装依赖、启动。如果不想敲命令仓库为每个平台都备好了启动脚本会自动完成环境检测、依赖安装和更新检查两种方式对比方式用法适合谁命令行uvuv run acestep习惯终端、想自定义参数平台启动脚本双击 / 运行对应.bat/.sh新手首次安装先装uvWindows 用户直接运行仓库自带的install_uv.batmacOS / Linux 用户运行install_uv.sh也可以按 uv 官网指引安装。然后克隆仓库并安装依赖uv sync会根据你的系统自动选对应的 PyTorch 版本Windows / Linux 为 CUDA 12.8Apple Silicon 自带 MLX 加速库git clone https://gitcode.com/gh_mirrors/ac/ACE-Step-1.5 cd ACE-Step-1.5 uv sync想让配置跨仓库更新保留可以复制示例配置文件再按需修改cp .env.example .env.env里常用项ACESTEP_CONFIG_PATHDiT 模型、ACESTEP_LM_MODEL_PATH语言模型、PORT默认 7860、LANGUAGEzh中文界面。完整注释见 .env.example。各平台一键启动脚本可选平台网页界面脚本硬件后端Windowsstart_gradio_ui.batNVIDIA CUDAWindowsAMDstart_gradio_ui_rocm.batAMD ROCm需 Python 3.12Linuxstart_gradio_ui.shNVIDIA CUDAmacOSApple Siliconstart_gradio_ui_macos.shMLX 原生加速Linux / macOS 的脚本首次运行前需先chmod x加执行权限。第一次运行启动界面生成第一首歌运行uv run acestep会打开 Gradio 网页界面浏览器访问http://localhost:7860即可习惯接口调用的话改用uv run acestep-apiREST API 在 8001 端口。首次使用有三个新手容易困惑的点模型会在首次运行时自动下载核心模型约 10GB按你的带宽等几分钟属于正常现象国内网络慢可以在.env中设置ACESTEP_DOWNLOAD_SOURCEmodelscope切换到 ModelScope 源Settings 面板会自动检测你的显卡并显示显存档位如截图中 Auto-detected TierDiT 模型、LM 模型、量化与卸载策略都已按档位预配置直接点 Initialize Service 即可默认是懒加载服务秒开第一次生成时会触发模型加载略慢是设计如此按显存选模型一张表对号入座UI 会自动推荐手动选时对照下表即可。选型逻辑很简单turbo 用 8 步采样、快sft 用 50 步、质量更高XL 系列是 4B 参数的 DiT音质更高但权重约 9GB12GB 显存需开卸载 量化20GB 以上可全速运行。你的显存推荐 DiT 模型推荐 LM 模型≤6GB2B turbo无仅 DiTINT8 量化 CPU 卸载6–8GB2B turboacestep-5Hz-lm-0.6Bpt 后端8–16GB2B turbo / sft0.6B8–12GB/ 1.7B12–16GB16–20GB2B sft 或 XL turbo1.7Bvllm 后端20–24GBXL turbo / sft1.7B / 4B≥24GBXL sft最佳音质4B30 秒看懂它怎么生成音乐ACE-Step 1.5 采用「语言模型 扩散 Transformer」混合架构生成时 LM基于 Qwen3充当规划器把你的话扩写成完整歌曲蓝图——结构、歌词、元数据DiT 再按这份蓝图合成音频。这解释了它为什么能覆盖 10 秒 loop 到 10 分钟的完整作品、支持 50 语言歌词和 1000 乐器风格。理解这个分工对调参有帮助影响编曲和歌词的提示词走 LM 路径而扩散步数、CFG 等参数主要影响 DiT 的生成细节。常见坑速查症状到解法首次启动卡在下载进度→ 正常10GB 模型取决于带宽国内网络可设ACESTEP_DOWNLOAD_SOURCEmodelscope换源7860 端口被占用→ 在.env中把PORT改成 7861 等空闲端口Windows AMD 显卡报显存/设备错误→ ROCm on Windows 要求 Python 3.12请改用start_gradio_ui_rocm.bat启动下载太慢或中途断了→ 用uv run acestep-download单独预下载或续传--list可列出全部可用模型GPU 相关报错想系统排查→ 查官方排障文档 docs/en/GPU_TROUBLESHOOTING.md下一步docs/zh/Tutorial.md模型选择、提示词写法与推理超参数的系统讲解装完必读docs/zh/LoRA_Training_Tutorial.md8 首歌训练自己的风格 LoRAdocs/zh/API.md把 ACE-Step 1.5 接入自己的服务走 REST API打开http://localhost:7860输入「轻快的夏日电子流行女声BPM 120」按下生成——你的本地音乐生成工作站已经就绪 【免费下载链接】ACE-Step-1.5The most powerful local music generation model that outperforms almost all commercial alternatives, supporting Mac, AMD, Intel, and CUDA devices.项目地址: https://gitcode.com/gh_mirrors/ac/ACE-Step-1.5创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考