ACE-Step 1.5 vs MiniMax Music 3: ¿qué modelo de canciones abierto elegir?

ACE-Step 1.5 es un modelo de canciones con licencia MIT que funciona con unos 4 GB de VRAM. MiniMax Music 3, de 11.1B, crea canciones de hasta cinco minutos y necesita una GPU de 24 GB.

  • Actualización

Veredicto. Elige según tu hardware y la licencia. ACE-Step 1.5 tiene licencia MIT para el código y los pesos, su modelo turbo de 2B funciona con unos 4 GB de VRAM y genera canciones de 10 segundos a 10 minutos con letras en más de 50 idiomas. Sus desarrolladores dicen que una canción completa tarda menos de 10 segundos en una RTX 3090, y añaden covers, repintado, separación de stems y entrenamiento de LoRA. MiniMax Music 3 tiene 11.100 millones de parámetros, escribe canciones de hasta cinco minutos a 32 kHz y acepta una descripción detallada de género, tempo, tonalidad, voces y arreglo. La ruta de la ficha del modelo necesita una GPU CUDA con unos 24 GB en BF16, y la propia guía de servido de MiniMax pide dos GPU. Su licencia comunitaria pide a los productos comerciales mostrar el nombre MiniMax-Music3 y exige autorización por escrito por encima de 20 millones de USD al año. En el benchmark del propio equipo YuE2, Music 3 puntúa 6,28 y ACE-Step 1.5, 6,01, pero es la tabla de un solo equipo y no una clasificación independiente, así que escucha ambos. Los desarrolladores de ACE-Step afirman haber entrenado con datos con licencia, libres de regalías y sintéticos, algo que no hemos verificado, mientras que la ficha de MiniMax no describe sus datos de entrenamiento.

Especificaciones

Especificaciones ACE-Step 1.5MiniMax Music 3
DesarrolladorACE-StepMiniMax
Lanzamiento23 de enero de 202613 de agosto de 2026
Parámetros totales4B (1.5 XL Turbo (4B DiT))11.1B (Music 3 (diffusers or SGLang-Omni))
Parámetros activosTodosTodos
ArquitecturaHíbridaHíbrida
Ventana de contexto––
EntradaTexto, AudioTexto
Licencia MIT (Permisiva) MiniMax Music3 Community (Condicional)
Memoria de la variante más pequeña (4 bits)4 GB (1.5 Turbo (2B DiT, with 1.7B LM))24 GB (Music 3 (diffusers or SGLang-Omni))

Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.

Elige ACE-Step 1.5 si

  • Quieres condiciones MIT sencillas para el código y los pesos, sin umbral de ingresos ni requisito de crédito.
  • Tienes una GPU de juegos o un portátil con 4 a 8 GB de VRAM y quieres un borrador en segundos.
  • Necesitas covers, repintado, separación de stems o un LoRA entrenado con unas pocas canciones.
  • Escribes letras en muchos idiomas: los desarrolladores listan más de 50.

Elige MiniMax Music 3 si

  • Quieres canciones de hasta cinco minutos con etiquetas de sección y una descripción detallada de tempo, tonalidad, voces y arreglo.
  • Tienes una GPU CUDA de unos 24 GB, o dos GPU para la guía SGLang-Omni de MiniMax.
  • Tu producto puede mostrar el nombre MiniMax-Music3, y tu empresa factura menos de 20 millones de USD al año o puede obtener la autorización de MiniMax.
  • Aceptas un modelo más grande por la puntuación más alta en el benchmark del equipo YuE2, 6,28 frente a 6,01, y ya has comprobado las muestras por tu cuenta.

ACE-Step 1.5 · MiniMax Music 3