Suno迎来最强对手？国产开源音乐大模型ACE-Step1.5：4G显存就能生成AI音乐！

一、ACE1.5 介绍

ACE-Step 1.5大模型现已支持ComfyUI，仅需4G显存即可本地运行，输入曲风和歌词10秒生成AI歌曲。该模型支持生成长达10分钟音乐，兼容50+语言，还可进行LoRA训练定制歌手风格，为音乐创作者和爱好者提供低门槛AI音乐生成方案。

🌉 其核心是一种新颖的混合架构，其中语言模型（LM）充当全能规划器：它能将简单的用户查询转化为完整的歌曲蓝图——从短循环到 10 分钟的完整作品，并通过思维链（Chain-of-Thought）生成元数据、歌词和描述，以指导扩散 Transformer（DiT）。⚡ 独特之处在于，这种对齐是通过内在强化学习实现的，仅依赖模型自身的内部机制，从而避免了外部奖励模型或人类偏好所固有的偏见。🎚️

🔮 除标准合成外，ACE-Step v1.5 还统一了精确的风格控制与多功能编辑能力——如翻唱生成、重绘（repainting）和人声转背景音乐（BGM）——同时在 50 多种语言中严格遵循提示词。这为音乐艺术家、制作人和内容创作者提供了强大工具，可无缝融入其创意工作流。🎸

二、相关安装（文末网盘）

步骤1：更新ComfyUI

将你的ComfyUI升级到最新版本，保证与ACE-Step 1.5工作流的兼容性；

步骤2：模型下载

acestep_v1.5_turbo.safetensors模型

模型路径：

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── acestep_v1.5_turbo.safetensors
│   ├── 📂 text_encoders/
│   │   ├── qwen_0.6b_ace15.safetensors
│   │   └── qwen_1.7b_ace15.safetensors
│   └── 📂 vae/
│       └── ace_1.5_vae.safetensors

• 仅需4G显存即可本地运行AI音乐生成
• 输入曲风和歌词10秒即可生成一首歌曲
• 支持生成长达10分钟的音乐作品
• 兼容50多种语言，包括中文硬核说唱
• 支持LoRA训练定制特定歌手风格

三、工作流

设置参数，运行生成

在工作流中填写风格标签、歌词（可按专业结构标注段落），按需调整歌曲时长、批量生成数量等参数，点击运行，即可生成专属音乐。

PS：启动ComfyUI时，加速方案不要用sage-attention，那样会导致生成歌曲时没有人声

参数项详细解析

bpm (Beats Per Minute)

• 含义： 每分钟节拍数，即音乐的速度。
• 设置： 截图中是 190。
• 说唱建议： 对于说唱，190 BPM 通常被视为 Trap 风格的“双倍速（Double Time）”，实际听感约 95 BPM。这非常适合快嘴或充满能量的律动。如果想要怀旧慵懒的 Boom Bap 风格，建议调至 90-95。

timesignature (拍号)

• 含义： 音乐的节奏框架。
• 设置： 4 代表常见的 4/4 拍（强、弱、次强、弱）。
• 说唱建议： 绝大多数说唱和流行歌都是 4/4 拍，保持默认即可。

keyscale (调式/音阶)

• 含义： 决定歌曲的情绪基调。
• 设置： E minor（E 小调）。
• 说唱建议： * Minor (小调)：通常听起来比较忧郁、酷、严肃或感伤，非常适合写实的城市说唱。
• Major (大调)：听起来更积极、明亮。如果你想表现淮南未来的辉煌，可以换成 E major。

总结

掌握这些小技巧，能大幅提升ACE-Step 1.5在ComfyUI中的生成效果，让AI创作更贴合你的预期：

1. 风格标签要具体：尽量包含流派、乐器、情绪、节奏、人声风格，例：中文民谣，木吉他，轻柔女声，治愈，80bpm，吉他扫弦；
2. 歌词标注段落结构：用[verse1]、[chorus]、[verse2]、[bridge]等标签划分歌词，模型会按专业歌曲结构生成，避免段落混乱；
3. 时长从90-120秒开始：新手建议先从90-120秒的歌曲开始尝试，生成结果的连贯性更优；若需生成180秒以上的长歌曲，可分多个批次生成后拼接；
4. 开启批量生成：将batch_size设置为8或16，一次生成多个样本，再从中挑选最佳结果，弥补模型偶尔输出不稳定的问题；
5. 结合LoRA微调：若有专属风格需求，可先本地训练LoRA模型，再在工作流中加载，生成贴合个人风格的音乐。

结论：如果你只是想图个乐，Suno 依然方便；但如果你是开发者、专业创作者，或者对希望免费使用，ACE-Step 1.5 是无可替代的选择。