ACE-Step 1.5 与 MiniMax Music 3 对比:该选哪个开源歌曲模型?

ACE-Step 1.5 是 MIT 许可证的歌曲模型,约 4 GB 显存即可运行;MiniMax Music 3 是 11.1B 模型,能写出最长五分钟的歌曲,需要 24 GB 的 GPU。

  • 更新于

结论. 先看硬件和许可证。ACE-Step 1.5 的代码和权重都是 MIT,它的 2B turbo 模型约 4 GB 显存即可运行,能生成 10 秒到 10 分钟的歌曲,歌词支持 50 多种语言。开发者称,在 RTX 3090 上生成一首完整歌曲不到 10 秒,另外还支持翻唱、局部重绘、分轨和 LoRA 训练。MiniMax Music 3 有 111 亿参数,能写出最长五分钟、32 kHz 的歌曲,可以接收对风格、速度、调性、人声和编曲的详细描述。模型卡里的路线需要 BF16 下约 24 GB 的 CUDA GPU,MiniMax 自己的部署指南则要求两块 GPU。它的社区许可证要求商业产品标注 MiniMax-Music3 名称,年营收超过 2000 万美元需要书面授权。在 YuE2 团队自己的基准里,Music 3 得 6.28 分,ACE-Step 1.5 得 6.01 分,但那只是一个团队的表格,不是独立的排名,所以请两个都听一听。ACE-Step 的开发者称训练数据是授权、免版税和合成数据,我们没有核实,而 MiniMax 的模型卡没有说明训练数据。

规格

规格 ACE-Step 1.5MiniMax Music 3
开发方ACE-StepMiniMax
发布时间2026年1月23日2026年8月13日
总参数量4B (1.5 XL Turbo (4B DiT))11.1B (Music 3 (diffusers or SGLang-Omni))
激活参数量全部全部
架构混合混合
上下文窗口––
输入文本, 音频文本
许可证 MIT (宽松) MiniMax Music3 Community (附条件)
最小版本所需内存(4 位)4 GB (1.5 Turbo (2B DiT, with 1.7B LM))24 GB (Music 3 (diffusers or SGLang-Omni))

性能数据来自开发方,未经独立验证。

选 ACE-Step 1.5 的情况

  • 你想要代码和权重都朴素的 MIT 条款,没有营收线,也没有署名要求。
  • 你有游戏显卡,或有 4 到 8 GB 显存的笔记本,想在几秒钟内拿到草稿。
  • 你需要翻唱、局部重绘、分轨,或用几首歌训练的 LoRA。
  • 你要写多种语言的歌词,因为开发者列出了 50 多种。

选 MiniMax Music 3 的情况

  • 你想要最长五分钟、带段落标签的歌曲,并能详细描述速度、调性、人声和编曲。
  • 你有约 24 GB 的 CUDA GPU,或者有两块 GPU 来按 MiniMax 的 SGLang-Omni 指南部署。
  • 你的产品可以标注 MiniMax-Music3 名称,而且你的公司年营收低于 2000 万美元,或者能拿到 MiniMax 的授权。
  • 你愿意用更大的模型换取 YuE2 团队基准里更高的分数(6.28 对 6.01),并且已经亲自听过样音。

ACE-Step 1.5 · MiniMax Music 3