ACE-Step 1.5 vs MiniMax Music 3 : quel modèle de chansons ouvert choisir ?

ACE-Step 1.5 est un modèle de chansons sous licence MIT qui fonctionne à partir d'environ 4 Go de VRAM. MiniMax Music 3, 11.1B, écrit des chansons allant jusqu'à cinq minutes et exige une GPU de 24 Go.

  • Mis à jour le

Verdict. Choisissez selon votre matériel et la licence. ACE-Step 1.5 est sous licence MIT pour le code et les poids, son modèle turbo de 2B fonctionne à partir d'environ 4 Go de VRAM et produit des chansons de 10 secondes à 10 minutes avec des paroles en plus de 50 langues. Ses développeurs indiquent qu'une chanson complète prend moins de 10 secondes sur une RTX 3090, et proposent en plus reprises, retouche partielle, séparation de stems et entraînement de LoRA. MiniMax Music 3 compte 11,1 milliards de paramètres, écrit des chansons allant jusqu'à cinq minutes à 32 kHz et accepte une description détaillée du genre, du tempo, de la tonalité, des voix et de l'arrangement. La route de la fiche modèle exige une GPU CUDA d'environ 24 Go en BF16, et le guide de service de MiniMax lui-même demande deux GPU. Sa licence communautaire demande aux produits commerciaux d'afficher le nom MiniMax-Music3 et exige une autorisation écrite au-delà de 20 millions de dollars US par an. Sur le benchmark de l'équipe YuE2 elle-même, Music 3 obtient 6,28 et ACE-Step 1.5, 6,01, mais c'est le tableau d'une seule équipe et non un classement indépendant : écoutez donc les deux. Les développeurs d'ACE-Step affirment s'être entraînés sur des données sous licence, libres de redevances et synthétiques, ce que nous n'avons pas vérifié, tandis que la fiche de MiniMax ne décrit pas ses données d'entraînement.

Spécifications

Spécifications ACE-Step 1.5MiniMax Music 3
DéveloppeurACE-StepMiniMax
Date de sortie23 janvier 202613 août 2026
Paramètres totaux4B (1.5 XL Turbo (4B DiT))11.1B (Music 3 (diffusers or SGLang-Omni))
Paramètres actifsTousTous
ArchitectureHybrideHybride
Fenêtre de contexte––
EntréeTexte, AudioTexte
Licence MIT (Permissive) MiniMax Music3 Community (Conditionnelle)
Mémoire pour la plus petite variante (4 bits)4 GB (1.5 Turbo (2B DiT, with 1.7B LM))24 GB (Music 3 (diffusers or SGLang-Omni))

Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.

Choisissez ACE-Step 1.5 si

  • Vous voulez des conditions MIT simples pour le code et les poids, sans seuil de revenus ni exigence de crédit.
  • Vous avez une GPU de jeu ou un portable avec 4 à 8 Go de VRAM et voulez une ébauche en quelques secondes.
  • Vous avez besoin de reprises, de retouche partielle, de séparation de stems ou d'un LoRA entraîné sur quelques chansons.
  • Vous écrivez des paroles dans beaucoup de langues : les développeurs en listent plus de 50.

Choisissez MiniMax Music 3 si

  • Vous voulez des chansons allant jusqu'à cinq minutes avec des balises de section et une description détaillée du tempo, de la tonalité, des voix et de l'arrangement.
  • Vous avez une GPU CUDA d'environ 24 Go, ou deux GPU pour le guide SGLang-Omni de MiniMax.
  • Votre produit peut afficher le nom MiniMax-Music3, et votre entreprise réalise moins de 20 millions de dollars US par an ou peut obtenir l'autorisation de MiniMax.
  • Vous acceptez un modèle plus grand pour le meilleur score du benchmark de l'équipe YuE2, 6,28 contre 6,01, et vous avez vérifié les échantillons vous-même.

ACE-Step 1.5 · MiniMax Music 3