# ACE-Step 1.5 (modelo de música)

> Modelo de música ACE-Step 1.5 Turbo: canciones con voces o instrumentales a partir de un prompt de estilo (género, estado de ánimo, instrumentos, tempo) y letras opcionales en 50 idiomas, de 10 s a 10 min, estéreo a 48 kHz, para temas y bandas sonoras de videojuegos. Se ejecuta en local en tu GPU con audio.cpp. Licencia MIT, se permite el uso comercial.

- Id: `aigd.audio-ace-step-1-5`
- Origen: Oficial (propio `aigd.*`)
- Categoría: Audio
- Editor: AI Game Dev (`aigd`), verificado
- Última versión: 1.0.2 (publicado el 2026-11-22)
- Licencia: MIT
- Requiere la app AI Game Dev: `>=0.32.0-beta.6`
- Código nativo: no
- Valoración: aún sin valoraciones
- Página HTML: https://ai-game.dev/es/packages/aigd.audio-ace-step-1-5

## Instalar

Con la CLI gamedev, en la carpeta del proyecto:

```bash
gamedev pkg add aigd.audio-ace-step-1-5
```

En la app de escritorio: abre la ventana Packages (el icono de paquete en la barra de estado), selecciona **Browse**, busca `aigd.audio-ace-step-1-5` y haz clic en **Add to Project**. Más: https://ai-game.dev/docs/wiki/app/packages

## Versiones

| Versión | Publicado | Requiere app | Notas |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | la más reciente |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## Descripción

````markdown
# ACE-Step 1.5 (`aigd.audio-ace-step-1-5`)

ACE-Step 1.5 es un modelo abierto de generación de música de ACE Studio y StepFun. Compone canciones con voces cantadas, o instrumentales, a partir de un prompt de estilo (género, estado de ánimo, instrumentos, tempo) y letras opcionales en 50 idiomas: de 10 s a 10 min, estéreo a 48 kHz. En la app AI Game Dev se ejecuta en local en tu GPU mediante **Generación de audio local** (`aigd.audiocpp`, el runtime audio.cpp), así que crear música no cuesta nada por pista. Encaja con desarrolladores de videojuegos que quieren canciones para bandas sonoras, temas de título con voz o piezas instrumentales largas bajo una licencia MIT que permite el uso comercial.

## Qué puedes crear

- Temas de título y de menú, con o sin voces.
- Canciones con tus propias letras para tráileres, créditos, emisoras de radio dentro del juego o momentos de la historia.
- Música de fondo instrumental larga para niveles, de 10 s hasta 10 minutos por pieza.
- Canciones en otros idiomas para las versiones localizadas de tu juego (letras en 50 idiomas).

## Ejemplos de peticiones

- "Crea un instrumental chiptune animado de 2 minutos para el menú principal."
- "Escribe una balada de piano melancólica con voces femeninas para los créditos finales, usando estas letras: ..."
- "Genera un tema de batalla orquestal de 3 minutos con coro y batería contundente."
- "Crea una canción de city pop japonés para la radio del juego, de unos 90 segundos."

## Aspectos destacados

| Especificación | Valor |
|---|---|
| Salida | WAV estéreo a 48 kHz, guardado en tu proyecto |
| Duración | De 10 s a 10 min (30 s por defecto) |
| Entrada | prompt de estilo (hasta 512 caracteres) y letras opcionales (hasta 4,096 caracteres) |
| Idiomas de las letras | 50, entre ellos inglés, chino, japonés, coreano, español, alemán, francés, portugués y ruso |
| Variante | Turbo: como máximo 8 pasos de eliminación de ruido (8 por defecto) |
| Reproducible | una semilla repite un resultado |

- La variante Turbo ignora la guía (CFG), así que la app no ofrece ese ajuste.
- El prompt de estilo se lee hasta 256 tokens y las letras hasta 2048 tokens (tanto en el upstream como en audio.cpp); el resto se recorta sin aviso. 4096 caracteres de letras en inglés caben, pero la misma longitud de letras en chino, japonés o coreano puede perder su segunda mitad.

Este paquete solo contiene datos. Indica el archivo del modelo. La app lo descarga después de que lo confirmes, lo verifica con sha256 y lo ejecuta con audio.cpp en tu equipo.

## Descarga

10.09 GB, un solo archivo, fijado a un commit de Hugging Face:

| Archivo | Origen | Tamaño |
|---|---|---:|
| `ace-step-1.5-turbo-bf16.gguf` (DiT, planificador LM de 5 Hz, codificador de texto y VAE en un solo archivo) | [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/ACE-Step1.5-GGUF/turbo) @ `b7b9aa1f` | 10.09 GB |

El archivo bf16 se usa a propósito: audio.cpp califica el paquete ACE-Step q8_0 totalmente cuantizado como "planner sampling can fail" (su `docs/gguf.md`), por lo que el archivo q8_0 puede devolver una canción que no tiene nada que ver.

## Qué equipos

| Equipo | Requisitos | Velocidad |
|---|---|---|
| GPU NVIDIA (CUDA) u otra GPU (Vulkan) | unos 16 GB de memoria de GPU (estimación) | aún sin medir |
| Mac con Apple silicon (Metal) | unos 24 GB de memoria (estimación) | aún sin medir |

Las cifras de memoria son estimaciones y se comprueban en una GPU real antes del lanzamiento. Solo los pesos ocupan 9.4 GiB, y el informe propio de audio.cpp mide un pico de 14.4–15.8 GiB para un paquete XL del mismo tamaño de pesos con un clip de 5 segundos. Una GPU de Mac solo puede usar parte de su memoria unificada, de ahí la cifra mayor. audio.cpp no ha validado ACE-Step en Metal. La cifra de "menos de 4 GB" del propio ACE-Step corresponde al pipeline oficial de PyTorch con descarga a CPU, no a este runtime.

El ACE-Step 1.5 XL (4B) más grande no está en este paquete: el repositorio oficial `audio-cpp` no publica ningún GGUF XL en la revisión fijada (el instalador de audio.cpp descarga XL de un repositorio de terceros).

## Licencia

MIT. Se permite el uso comercial del modelo y de la música que genera.

- ACE-Step 1.5 (DiT, planificador LM de 5 Hz, VAE) © 2026 ACEStep — [licencia MIT](https://github.com/ace-step/ACE-Step-1.5/blob/910a4dd82aa663925451d0b161a32d21d92ac297/LICENSE); [ficha del modelo](https://huggingface.co/ACE-Step/Ace-Step1.5) (`license: mit`), codirigido por ACE Studio y StepFun.
- El planificador LM de 5 Hz es un ajuste fino de Qwen3-1.7B © Alibaba Cloud (equipo Qwen) — [ficha del modelo](https://huggingface.co/Qwen/Qwen3-1.7B), Apache-2.0.
- Codificador de texto Qwen3-Embedding-0.6B © Alibaba Cloud (equipo Qwen) — [ficha del modelo](https://huggingface.co/Qwen/Qwen3-Embedding-0.6B), Apache-2.0.
- Conversión a GGUF: [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf) — su ficha (`license: other`) indica que cada GGUF se rige por la licencia de su modelo original; para `ACE-Step1.5-GGUF`, esa licencia es MIT.

Las cuatro partes van empaquetadas dentro del único archivo GGUF.

Atribución obligatoria cuando redistribuyas los pesos: conserva el aviso de copyright de MIT "Copyright (c) 2026 ACEStep" y la licencia y los avisos Apache-2.0 de Qwen3-1.7B y Qwen3-Embedding-0.6B. No se requiere atribución por la música que generes.

Restricciones, sin rodeos:

- Ni límite territorial, ni tope de ingresos, ni marca de agua en ninguna de las dos licencias.
- El README de ACE-Step ("License & Disclaimer") añade condiciones de uso: al usar ACE-Step aceptas comprobar que lo que generas es original, indicar con claridad que ha intervenido IA y obtener permiso antes de adaptar estilos o material protegidos.
- Eres responsable de lo que generas (por ejemplo, letras o un estilo que imite a un artista real).

Todos los archivos se descargan de Hugging Face. AI Game Dev no los aloja.
````
