# ACE-Step 1.5（音乐模型）

> ACE-Step 1.5 Turbo 音乐模型：根据风格提示词（曲风、情绪、乐器、速度）和最多 50 种语言的可选歌词，生成带人声的歌曲或纯器乐，时长 10 秒到 10 分钟，48 kHz 立体声，可用于游戏主题曲和配乐。通过 audio.cpp 在你的 GPU 上本地运行。MIT 许可，允许商业使用。

- ID: `aigd.audio-ace-step-1-5`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.0.2 (发布于 2026-11-22)
- 许可证: MIT
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.audio-ace-step-1-5

## 安装

使用 gamedev CLI，在项目文件夹中运行：

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

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.audio-ace-step-1-5`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

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

ACE-Step 1.5 是 ACE Studio 与 StepFun 联合推出的开放音乐生成模型。它能根据风格提示词（曲风、情绪、乐器、速度）和最多 50 种语言的可选歌词，创作带人声演唱的歌曲或纯器乐：10 秒到 10 分钟，48 kHz 立体声。在 AI Game Dev 应用中，它通过**本地音频生成**（`aigd.audiocpp`，即 audio.cpp 运行时）在你的 GPU 上本地运行，因此每首曲子的制作成本为零。它适合想要配乐歌曲、人声主题曲或长篇器乐作品的游戏开发者，采用允许商业使用的 MIT 许可。

## 你可以创作什么

- 标题界面和菜单主题曲，可带人声，也可不带人声。
- 配上你自己歌词的歌曲，用于预告片、片尾字幕、游戏内电台或剧情时刻。
- 用于关卡的长篇器乐背景音乐，每首 10 秒到 10 分钟。
- 用于游戏本地化版本的其他语言歌曲（歌词支持 50 种语言）。

## 示例请求

- “做一段 2 分钟的欢快 chiptune 器乐，用于主菜单。”
- “写一首忧郁的钢琴抒情曲，女声演唱，用于片尾字幕，歌词如下：……”
- “生成一段 3 分钟的管弦乐战斗主题，带合唱和厚重鼓点。”
- “做一首日本 city-pop 风格的歌曲，用于游戏内电台，大约 90 秒。”

## 亮点

| 规格 | 值 |
|---|---|
| 输出 | 48 kHz 立体声 WAV，保存到你的项目中 |
| 时长 | 10 秒到 10 分钟（默认 30 秒） |
| 输入 | 风格提示词（最多 512 个字符）和可选歌词（最多 4,096 个字符） |
| 歌词语言 | 50 种，包括英语、中文、日语、韩语、西班牙语、德语、法语、葡萄牙语和俄语 |
| 变体 | Turbo：最多 8 个去噪步数（默认 8） |
| 可重复 | 同一个种子可重复生成同一结果 |

- Turbo 变体会忽略引导（CFG），因此应用不提供该设置。
- 风格提示词最多读取 256 个 token，歌词最多读取 2048 个 token（上游和 audio.cpp 中都是如此）；超出的部分会被直接截断，不会给出警告。4096 个字符的英文歌词可以完整容纳，但同样长度的中文、日文或韩文歌词可能会丢掉后半部分。

这个包只包含数据。它指定模型文件。你确认后，应用会下载该文件，用 sha256 校验，然后在你的电脑上用 audio.cpp 运行。

## 下载

10.09 GB，单个文件，固定到某个 Hugging Face 提交：

| 文件 | 来源 | 大小 |
|---|---|---:|
| `ace-step-1.5-turbo-bf16.gguf`（DiT、5 Hz LM 规划器、文本编码器和 VAE 合并在一个文件中） | [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/ACE-Step1.5-GGUF/turbo) @ `b7b9aa1f` | 10.09 GB |

特意选用 bf16 文件：audio.cpp 将完全量化的 q8_0 ACE-Step 包评定为“规划器采样可能失败”（其 `docs/gguf.md`），因此 q8_0 文件可能返回一首毫不相关的歌曲。

## 适用于哪些电脑

| 电脑 | 需求 | 速度 |
|---|---|---|
| NVIDIA GPU（CUDA）或其他 GPU（Vulkan） | 约 16 GB 显存（估计） | 尚未实测 |
| 搭载 Apple 芯片的 Mac（Metal） | 约 24 GB 内存（估计） | 尚未实测 |

这些内存数字是估算值，会在发布前于真实 GPU 上验证。仅权重就有 9.4 GiB，而 audio.cpp 自己的报告显示，在 5 秒片段上运行同等权重大小的 XL 包时峰值为 14.4–15.8 GiB。Mac 的 GPU 只能使用其统一内存的一部分，所以数字更大。audio.cpp 尚未在 Metal 上验证 ACE-Step。ACE-Step 自己给出的“低于 4 GB”数字针对的是带 CPU offload 的官方 PyTorch 流水线，而不是本运行时。

更大的 ACE-Step 1.5 XL（4B）不在这个包中：官方 `audio-cpp` 仓库在固定的修订版本上没有发布 XL GGUF（audio.cpp 的安装器会从第三方仓库拉取 XL）。

## 许可

MIT。允许将该模型及其生成的音乐用于商业用途。

- ACE-Step 1.5（DiT、5 Hz LM 规划器、VAE）© 2026 ACEStep —— [MIT 许可](https://github.com/ace-step/ACE-Step-1.5/blob/910a4dd82aa663925451d0b161a32d21d92ac297/LICENSE)；[模型卡](https://huggingface.co/ACE-Step/Ace-Step1.5)（`license: mit`），由 ACE Studio 和 StepFun 共同主导。
- 5 Hz LM 规划器微调自 Qwen3-1.7B © Alibaba Cloud（Qwen 团队）—— [模型卡](https://huggingface.co/Qwen/Qwen3-1.7B)，Apache-2.0。
- 文本编码器 Qwen3-Embedding-0.6B © Alibaba Cloud（Qwen 团队）—— [模型卡](https://huggingface.co/Qwen/Qwen3-Embedding-0.6B)，Apache-2.0。
- GGUF 转换：[`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf) —— 其模型卡（`license: other`）说明每个 GGUF 都受其原始模型许可约束；对 `ACE-Step1.5-GGUF` 而言即 MIT。

这四个部分全部打包在同一个 GGUF 文件中。

重新分发权重时必须保留的署名：保留 MIT 版权声明 "Copyright (c) 2026 ACEStep"，以及 Qwen3-1.7B 和 Qwen3-Embedding-0.6B 的 Apache-2.0 许可与声明。你生成的音乐无需署名。

限制，直白地说：

- 两份许可都没有地域限制、没有营收上限、没有水印。
- ACE-Step 的 README（“License & Disclaimer”）补充了使用条款：使用 ACE-Step 即表示你同意核实你所生成的内容是原创的，明确披露其中涉及 AI，并在改编受保护的风格或素材之前取得许可。
- 你需要对自己生成的内容负责（例如模仿真实艺人的歌词或风格）。

所有文件都从 Hugging Face 下载。AI Game Dev 不托管这些文件。
````
