ACE-Step 1.5
Modèle musical MIT : chansons en quelques secondes, dès 4 GB de VRAM, avec reprises, retouche partielle et plus de 50 langues.
En bref. ACE-Step 1.5 crée des chansons complètes avec voix à partir d'une description en texte et de paroles en quelques secondes, et fonctionne sur un GPU de jeu ordinaire. Le code comme les poids sont sous licence MIT, l'usage commercial est donc simple.
Résumé
ACE Studio et StepFun ont publié ACE-Step 1.5 le 23 janvier 2026, suivi le 2 avril d'une version XL plus grande de 4B. Un modèle de langage (0.6B, 1.7B ou 4B, construit sur Qwen3) joue le rôle de planificateur : il transforme une demande courte en un plan détaillé de chanson avec métadonnées, paroles et un caption, puis un transformer de diffusion rend l'audio. Les développeurs disent que les données d'entraînement sont de la musique sous licence, des enregistrements libres de redevances et du domaine public, et de l'audio synthétique créé à partir de MIDI. Les chansons vont de 10 secondes à 10 minutes, les paroles fonctionnent en plus de 50 langues, et le modèle gère aussi les covers, la retouche partielle d'un morceau, la séparation de stems, la conversion de la voix en accompagnement et l'entraînement de LoRA sur quelques chansons.
La vitesse et la taille sont ses arguments de vente. Les développeurs disent qu'une chanson complète prend moins de 2 secondes sur une A100 et moins de 10 sur une RTX 3090, et que le modèle tourne avec moins de 4 GB de VRAM. Leur guide associe le DiT turbo 2B sans le modèle de langage aux GPU jusqu'à 6 GB et recommande les modèles XL à 20 GB ou plus sans déchargement, le DiT XL demandant au moins 12 GB avec quantification INT8 et déchargement CPU. Le projet situe sa propre qualité entre Suno v4.5 et Suno v5. Dans le WildSongBench de l'équipe YuE2, ACE-Step 1.5 marque 6,01 de moyenne au SongBench, derrière YuE2 (6,73) et MiniMax Music 3 (6,28), mais son taux d'erreur phonémique de 7,46 % est parmi les plus bas des modèles ouverts du banc.
Le code et les poids sont sous licence MIT, et les développeurs disent que la musique générée peut être utilisée commercialement. L'affirmation selon laquelle les données d'entraînement étaient sous licence, libres de redevances et synthétiques vient d'eux, et nous ne l'avons pas vérifiée. Le rapport technique est sur arXiv (2602.00744). Dans les 30 jours jusqu'au 11 novembre 2026, Hugging Face a compté environ 97 000 téléchargements du dépôt principal, 9 100 du modèle XL turbo et 816 000 de la copie re-packagée par l'équipe ComfyUI. Les comptages peuvent inclure des récupérations automatisées.
Idéal pour
- Des brouillons de chansons rapides sur un GPU de jeu ou un portable avec 4 à 8 GB de VRAM
- Les covers, la retouche partielle d'un morceau, la séparation de stems et la conversion voix vers accompagnement
- Personnaliser le style avec un LoRA entraîné sur quelques chansons
- Les projets commerciaux qui veulent du code et des poids sous licence MIT
Points d’attention
- La comparaison avec Suno vient des développeurs eux-mêmes, et le benchmark de l'équipe YuE2 place ACE-Step 1.5 derrière YuE2 et MiniMax Music 3 en qualité globale
- La valeur de 4 GB correspond au DiT 2B sans le modèle de langage, tandis que les modèles XL demandent 12 GB avec déchargement et environ 20 GB pour un usage confortable
- L'extraction de stems et les tâches similaires exigent le modèle de base, car les versions turbo et SFT, plus rapides, ne les prennent pas en charge
- L'affirmation de « données sous licence et libres de redevances » vient des développeurs ; vérifiez le droit d'auteur pour votre propre usage
Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.
De quelle mémoire a-t-il besoin ?
Chiffres de mémoire pour chaque variante de ACE-Step 1.5. Les pipelines d’image, de vidéo, de voix et de musique chargent aussi un encodeur de texte et un décodeur, si bien que la mémoire nécessaire peut dépasser celle du checkpoint principal.
| Variantes | Paramètres | Taille du téléchargement | Mémoire nécessaire | Fonctionne sur |
|---|---|---|---|---|
| 1.5 Turbo (2B DiT, with 1.7B LM) BF16 | 2B | 10 GB | 4 GB | Ordinateur portable ou smartphone |
| 1.5 XL Turbo (4B DiT) FP32 | 4B | 20 GB | 12 GB | Ordinateur portable ou smartphone |
La taille du téléchargement couvre tous les composants nécessaires au fonctionnement du modèle, comme le générateur, l’encodeur de texte et le décodeur. La mémoire nécessaire correspond au minimum déclaré ou publié lorsqu’il existe ; sinon, il s’agit de la taille du téléchargement plus environ 15 %. Images plus grandes, clips plus longs et résolutions plus élevées demandent davantage. Le développeur indique un minimum de 4 GB de mémoire GPU.
La licence en langage clair
La licence permissive la plus courte et la plus simple. Vous pouvez faire presque tout ce que vous voulez avec le modèle tant que vous conservez la mention de copyright et la licence.
À voir aussi
- ACE-Step 1.5 vs MiniMax Music 3 : quel modèle de chansons ouvert choisir ?
- Les meilleurs modèles open source de musique et de son en 2026
Questions fréquentes
- Qu’est-ce que ACE-Step 1.5 ?
- ACE-Step 1.5 crée des chansons complètes avec voix à partir d'une description en texte et de paroles en quelques secondes, et fonctionne sur un GPU de jeu ordinaire. Le code comme les poids sont sous licence MIT, l'usage commercial est donc simple.
- Puis-je utiliser ACE-Step 1.5 commercialement ?
- Oui. ACE-Step 1.5 est publié sous MIT, une licence permissive. Vous pouvez l’utiliser commercialement si vous respectez les conditions standard, comme conserver la mention de licence.
- ACE-Step 1.5 est-il open source ?
- ACE-Step 1.5 est publié sous MIT, une licence approuvée par l’Open Source Initiative. Les données et le code d’entraînement ne sont pas forcément publics ; on le décrit donc mieux comme des poids ouverts sous une licence open source.
- Puis-je faire tourner ACE-Step 1.5 sur mon propre ordinateur ?
- Oui. La plus petite variante, 1.5 Turbo (2B DiT, with 1.7B LM), demande environ 4 GB de mémoire en précision 4 bits, ce qui convient à un ordinateur portable moderne ou à une carte graphique de milieu de gamme.
- Quand ACE-Step 1.5 est-il sorti ?
- ACE-Step 1.5 a été publié par ACE-Step le 23 janvier 2026.
Liens officiels
Sources
Les spécifications proviennent de ces sources primaires. Les résultats de référence mentionnés, s’il y en a, sont ceux communiqués par le développeur.
- 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
Date de sortie et faits vérifiés pour la dernière fois le 11 novembre 2026.
Modèles associés
| Modèle | Sortie | Paramètres | Contexte | Licence | Mémoire requise (plus petite variante) |
|---|---|---|---|---|---|
| YuE2 EN M-A-P | 3.63B | – | CC BY-NC (Non commerciale) | 24 GB Carte graphique gaming | |
| MiniMax Music 3 EN MiniMax | 11.1B | – | MiniMax Music3 Community (Conditionnelle) | 24 GB Carte graphique gaming | |
| HeartMuLa EN HeartMuLa | 3.94B | – | Apache 2.0 (Permissive) | 26 GB Carte graphique gaming | |
| Stable Audio 3 EN Stability AI | 460M – 1.4B | – | Stability Community (Conditionnelle) | 4.02 GB Ordinateur portable ou smartphone |