ACE-Step 1.5
Музыкальная модель MIT: полные песни за секунды, от 4 ГБ VRAM, с каверами, частичной перерисовкой и более чем на 50 языках.
Коротко. ACE-Step 1.5 за несколько секунд создаёт полные песни с вокалом из текстового описания и текста песни, и работает на обычной игровой видеокарте. И код, и веса под лицензией MIT, поэтому коммерческое использование несложно.
Краткое описание
ACE Studio и StepFun выпустили ACE-Step 1.5 23 января 2026 года, а 2 апреля вышла более крупная 4B XL-версия. Языковая модель (0.6B, 1.7B или 4B, на базе Qwen3) работает как планировщик: она превращает короткий запрос в детальный план песни с метаданными, текстом и описанием, а диффузионный Transformer затем рендерит аудио. Разработчики говорят, что обучающие данные — это лицензированная музыка, записи без роялти и из общественного достояния, а также синтетическое аудио, созданное из MIDI. Песни длятся от 10 секунд до 10 минут, тексты работают более чем на 50 языках, а модель также делает каверы, частичную перерисовку трека, разделение стемов, перевод вокала в аккомпанемент и обучение LoRA на нескольких песнях.
Скорость и размер — главные козыри. Разработчики говорят, что полная песня занимает менее 2 секунд на A100 и менее 10 секунд на RTX 3090, а модель работает менее чем на 4 ГБ VRAM. Их руководство сопоставляет 2B turbo DiT без языковой модели с GPU до 6 GB и рекомендует XL-моделям 20 GB и больше без выгрузки, а XL DiT требует минимум 12 GB с квантизацией INT8 и выгрузкой на CPU. Проект оценивает собственное качество как между Suno v4.5 и Suno v5. В WildSongBench команды YuE2 ACE-Step 1.5 набирает в среднем по SongBench 6,01, уступая YuE2 (6,73) и MiniMax Music 3 (6,28), хотя его доля фонемных ошибок 7,46% — одна из самых низких среди открытых моделей там.
Код и веса под лицензией MIT, и разработчики говорят, что сгенерированной музыкой можно пользоваться коммерчески. Утверждение, что обучающие данные были лицензированными, без роялти и синтетическими, принадлежит им, и мы его не проверяли. Технический отчёт есть на arXiv (2602.00744). За 30 дней до 11 ноября 2026 года Hugging Face насчитал около 97 000 загрузок основного репозитория, 9 100 у XL turbo модели и 816 000 у перепакованной командой ComfyUI копии. Числа загрузок могут включать автоматические запросы.
Подходит для
- Быстрые черновики песен на игровой видеокарте или ноутбуке с 4–8 ГБ VRAM
- Каверы, частичная перерисовка фрагментов трека, разделение стемов и перевод вокала в аккомпанемент
- Настройка стиля с LoRA, обученным на нескольких песнях
- Коммерческие проекты, которым нужны код и веса под MIT
На что обратить внимание
- Сравнение с Suno принадлежит самим разработчикам, а бенчмарк команды YuE2 ставит ACE-Step 1.5 по общему качеству ниже YuE2 и MiniMax Music 3
- Цифра 4 ГБ относится к 2B DiT без языковой модели, а XL-моделям нужно 12 ГБ с выгрузкой и около 20 ГБ для комфортной работы
- Извлечение стемов и подобные задачи требуют базовой модели, потому что более быстрые turbo и SFT версии их не поддерживают
- Заявление о «лицензированных данных без роялти» исходит от разработчиков — проверьте авторские права для своего применения
Заявления о производительности поступают от разработчика и не проверялись независимо.
Сколько памяти ему нужно?
Данные по памяти для каждого варианта ACE-Step 1.5. Конвейеры для изображений, видео, речи и музыки дополнительно загружают текстовый энкодер и декодер, поэтому памяти может понадобиться больше, чем весит основной чекпойнт.
| Варианты | Параметры | Объём загрузки | Требуемая память | Поместится на |
|---|---|---|---|---|
| 1.5 Turbo (2B DiT, with 1.7B LM) BF16 | 2B | 10 GB | 4 GB | Ноутбук или телефон |
| 1.5 XL Turbo (4B DiT) FP32 | 4B | 20 GB | 12 GB | Ноутбук или телефон |
Объём загрузки включает все компоненты, нужные для работы модели: генератор, текстовый энкодер, декодер и другие. Требуемая память — это заявленный или опубликованный измеренный минимум, если он есть; иначе это объём загрузки плюс около 15%. Более крупные изображения, более длинные клипы и большее разрешение требуют больше памяти. Разработчик заявляет минимум 4 GB видеопамяти.
Лицензия простыми словами
Самая короткая и простая разрешительная лицензия. Вы можете делать с моделью почти что угодно, если сохраняете уведомление об авторских правах и лицензии.
Смотрите также
- ACE-Step 1.5 против MiniMax Music 3: какую открытую модель песен выбрать?
- Лучшие open-source модели для генерации музыки и звука в 2026 году
Частые вопросы
- Что такое ACE-Step 1.5?
- ACE-Step 1.5 за несколько секунд создаёт полные песни с вокалом из текстового описания и текста песни, и работает на обычной игровой видеокарте. И код, и веса под лицензией MIT, поэтому коммерческое использование несложно.
- Можно ли использовать ACE-Step 1.5 в коммерческих целях?
- Да. ACE-Step 1.5 выпущена под MIT — это пермиссивная лицензия. Использовать её в коммерческих целях можно при соблюдении стандартных условий, например с сохранением уведомления о лицензии.
- Является ли ACE-Step 1.5 моделью с открытым исходным кодом?
- ACE-Step 1.5 выпущена под MIT — лицензией, одобренной Open Source Initiative. Обучающие данные и код обучения могут быть закрыты, поэтому точнее всего говорить об открытых весах под открытой лицензией.
- Можно ли запустить ACE-Step 1.5 на своём компьютере?
- Да. Минимальному варианту, 1.5 Turbo (2B DiT, with 1.7B LM), нужно около 4 GB памяти в 4-битной точности — это по силам современному ноутбуку или видеокарте среднего уровня.
- Когда вышла ACE-Step 1.5?
- ACE-Step 1.5 выпущена разработчиком ACE-Step 23 января 2026 г..
Официальные ссылки
Источники
Характеристики взяты из этих первоисточников. Упомянутые результаты бенчмарков приведены по данным разработчика.
- 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
Дата выпуска и факты в последний раз проверены 11 ноября 2026 г..
Связанные модели
| Модель | Дата выпуска | Параметры | Контекст | Лицензия | Память минимального варианта |
|---|---|---|---|---|---|
| YuE2 EN M-A-P | 3.63B | – | CC BY-NC (Некоммерческая) | 24 GB Игровая видеокарта | |
| MiniMax Music 3 EN MiniMax | 11.1B | – | MiniMax Music3 Community (С условиями) | 24 GB Игровая видеокарта | |
| HeartMuLa EN HeartMuLa | 3.94B | – | Apache 2.0 (Пермиссивная) | 26 GB Игровая видеокарта | |
| Stable Audio 3 EN Stability AI | 460M – 1.4B | – | Stability Community (С условиями) | 4.02 GB Ноутбук или телефон |