ACE-Step 1.5
Modelo musical MIT: canciones completas en segundos, desde unos 4 GB de VRAM, con covers, edición parcial y más de 50 idiomas.
En resumen. ACE-Step 1.5 crea canciones completas con voz a partir de una descripción en texto y una letra en pocos segundos, y funciona en una GPU de gama media. Tanto el código como los pesos tienen licencia MIT, así que el uso comercial es directo.
Resumen
ACE Studio y StepFun publicaron ACE-Step 1.5 el 23 de enero de 2026, y el 2 de abril siguió una versión XL mayor de 4B. Un modelo de lenguaje (0.6B, 1.7B o 4B, construido sobre Qwen3) actúa de planificador: convierte una petición breve en un plano detallado de la canción con metadatos, letra y un caption, y un transformer de difusión renderiza después el audio. Los desarrolladores dicen que los datos de entrenamiento son música con licencia, grabaciones libres de regalías y de dominio público, y audio sintético creado a partir de MIDI. Las canciones van de 10 segundos a 10 minutos, las letras funcionan en más de 50 idiomas, y el modelo también hace covers, repinta parte de una pista, separa stems, convierte voz en acompañamiento y entrena LoRAs con unas pocas canciones.
La velocidad y el tamaño son sus puntos fuertes. Los desarrolladores dicen que una canción completa tarda menos de 2 segundos en una A100 y menos de 10 en una RTX 3090, y que el modelo funciona con menos de 4 GB de VRAM. Su guía empareja el DiT turbo de 2B sin el modelo de lenguaje con GPUs de hasta 6 GB, recomienda las versiones XL con 20 GB o más sin offloading, y el DiT XL necesita al menos 12 GB con cuantización INT8 y offload a CPU. El proyecto califica su calidad propia entre Suno v4.5 y Suno v5. En el WildSongBench del equipo de YuE2, ACE-Step 1.5 saca 6.01 de media en SongBench, por detrás de YuE2 (6.73) y MiniMax Music 3 (6.28), aunque su tasa de error fonémico del 7,46% está entre las más bajas de los modelos abiertos allí.
El código y los pesos tienen licencia MIT, y los desarrolladores dicen que la música que generes puede usarse comercialmente. La afirmación de que los datos de entrenamiento tenían licencia, eran libres de regalías y sintéticos es suya, y no la hemos verificado. El informe técnico está en arXiv (2602.00744). En los 30 días hasta el 11 de noviembre de 2026, Hugging Face contó unas 97.000 descargas del repositorio principal, 9.100 del modelo XL turbo y 816.000 de la copia reempaquetada del equipo de ComfyUI. Las cifras de descargas pueden incluir descargas automatizadas.
Ideal para
- Borradores rápidos de canciones en una GPU de gama media o un portátil con 4 a 8 GB de VRAM
- Covers, repintar partes de una pista, separación de stems y conversión de voz en acompañamiento
- Personalizar el estilo con un LoRA entrenado con unas pocas canciones
- Proyectos comerciales que quieran código y pesos con licencia MIT
A tener en cuenta
- La comparación con Suno es de los propios desarrolladores, y el benchmark del equipo de YuE2 coloca a ACE-Step 1.5 por debajo de YuE2 y MiniMax Music 3 en calidad general
- La cifra de 4 GB es para el DiT de 2B sin el modelo de lenguaje, mientras que las versiones XL necesitan 12 GB con offloading y unos 20 GB para un uso cómodo
- La extracción de stems y tareas similares necesitan el modelo base, porque las versiones turbo y SFT, más rápidas, no los soportan
- La afirmación de "datos con licencia y libres de regalías" viene de los desarrolladores, así que revisa los derechos de autor para tu propio uso
Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.
¿Cuánta memoria necesita?
Cifras de memoria para cada variante de ACE-Step 1.5. Los flujos de imagen, vídeo, voz y música también cargan un codificador de texto y un decodificador, así que la memoria necesaria puede ser mayor que la del checkpoint principal.
| Variantes | Parámetros | Tamaño de descarga | Memoria necesaria | Cabe en |
|---|---|---|---|---|
| 1.5 Turbo (2B DiT, with 1.7B LM) BF16 | 2B | 10 GB | 4 GB | Portátil o móvil |
| 1.5 XL Turbo (4B DiT) FP32 | 4B | 20 GB | 12 GB | Portátil o móvil |
El tamaño de descarga incluye todos los componentes necesarios para ejecutar el modelo, como el generador, el codificador de texto y el decodificador. La memoria necesaria es el mínimo declarado o el mínimo medido publicado cuando existe; en caso contrario, es el tamaño de descarga más un 15 % aproximadamente. Las imágenes más grandes, los clips más largos y las resoluciones más altas necesitan más. El desarrollador indica un mínimo de 4 GB de memoria de GPU.
La licencia en palabras sencillas
La licencia permisiva más corta y sencilla. Puedes hacer casi cualquier cosa con el modelo mientras conserves el aviso de copyright y la licencia.
Ver también
- ACE-Step 1.5 vs MiniMax Music 3: ¿qué modelo de canciones abierto elegir?
- Los mejores modelos de código abierto de música y sonido en 2026
Preguntas frecuentes
- ¿Qué es ACE-Step 1.5?
- ACE-Step 1.5 crea canciones completas con voz a partir de una descripción en texto y una letra en pocos segundos, y funciona en una GPU de gama media. Tanto el código como los pesos tienen licencia MIT, así que el uso comercial es directo.
- ¿Puedo usar ACE-Step 1.5 comercialmente?
- Sí. ACE-Step 1.5 se publica bajo MIT, una licencia permisiva. Puedes usarlo comercialmente si cumples las condiciones estándar, como mantener el aviso de licencia.
- ¿Es ACE-Step 1.5 de código abierto?
- ACE-Step 1.5 se publica bajo MIT, una licencia aprobada por la Open Source Initiative. Los datos y el código de entrenamiento pueden no ser públicos, así que lo más preciso es describirlo como pesos abiertos bajo una licencia de código abierto.
- ¿Puedo ejecutar ACE-Step 1.5 en mi propio equipo?
- Sí. La variante más pequeña, 1.5 Turbo (2B DiT, with 1.7B LM), necesita unos 4 GB de memoria con precisión de 4 bits, lo que cabe en un portátil moderno o en una tarjeta gráfica de gama media.
- ¿Cuándo se lanzó ACE-Step 1.5?
- ACE-Step 1.5 fue lanzado por ACE-Step el 23 de enero de 2026.
Enlaces oficiales
Fuentes
Las especificaciones provienen de estas fuentes primarias. Las afirmaciones sobre benchmarks, cuando se mencionan, son las que reporta el desarrollador.
- ACE-Step 1.5 model card (Hugging Face) huggingface.co
- ACE-Step 1.5 XL Turbo model card, with GPU requirements (Hugging Face) huggingface.co
- ACE-Step 1.5 repository: features, GPU guide and release news (GitHub) github.com
- ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation (arXiv) arxiv.org
- ACE-Step 1.5 license, MIT (GitHub) github.com
- YuE2-3B model card, WildSongBench comparison table (Hugging Face) huggingface.co
Fecha de lanzamiento y datos verificados por última vez: 11 de noviembre de 2026.
Modelos relacionados
| Modelo | Lanzamiento | Parámetros | Contexto | Licencia | Necesario para la variante más pequeña |
|---|---|---|---|---|---|
| YuE2 EN M-A-P | 3.63B | – | CC BY-NC (No comercial) | 24 GB GPU para juegos | |
| MiniMax Music 3 EN MiniMax | 11.1B | – | MiniMax Music3 Community (Condicional) | 24 GB GPU para juegos | |
| HeartMuLa EN HeartMuLa | 3.94B | – | Apache 2.0 (Permisiva) | 26 GB GPU para juegos | |
| Stable Audio 3 EN Stability AI | 460M – 1.4B | – | Stability Community (Condicional) | 4.02 GB Portátil o móvil |