# ACE-Step 1.5（音樂模型）

> ACE-Step 1.5 Turbo 音樂模型：依據風格提示（曲風、情緒、樂器、速度）與可選的 50 種語言歌詞，生成含人聲或純樂器的歌曲，長度 10 秒到 10 分鐘，48 kHz 立體聲，適合遊戲主題曲與原聲帶。透過 audio.cpp 在你的 GPU 上本機執行。MIT 授權，允許商業使用。

- ID: `aigd.audio-ace-step-1-5`
- 來源: 官方 (第一方 `aigd.*`)
- 分類: 音訊
- 發佈者: AI Game Dev (`aigd`), 已驗證
- 最新版本: 1.0.2 (發佈於 2026-11-22)
- 授權條款: MIT
- 需要 AI Game Dev 應用程式: `>=0.32.0-beta.6`
- 原生程式碼: 否
- 評分: 尚無評分
- HTML 頁面: https://ai-game.dev/zh-hant/packages/aigd.audio-ace-step-1-5

## 安裝

在專案資料夾中，使用 gamedev CLI：

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

在桌面應用程式中：開啟「套件」視窗（狀態列上的套件圖示），選擇 **瀏覽**，搜尋 `aigd.audio-ace-step-1-5`，然後點 **加入專案**。更多資訊：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 發佈日期 | 需要應用程式 | 備註 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 說明

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

ACE-Step 1.5 是 ACE Studio 與 StepFun 推出的開放音樂生成模型。它能依據風格提示（曲風、情緒、樂器、速度）與可選的 50 種語言歌詞，創作出有人聲演唱的歌曲或純樂器作品：10 秒到 10 分鐘，48 kHz 立體聲。在 AI Game Dev 應用程式中，它透過 **本機音訊生成**（`aigd.audiocpp`，audio.cpp 執行環境）在你的 GPU 上本機執行，因此每首音樂都不需要任何費用。它適合想要在允許商業使用的 MIT 授權下，製作原聲帶歌曲、人聲主題曲或長篇器樂作品的遊戲開發者。

## 你可以做出什麼

- 標題畫面與選單主題曲，可含人聲或不含人聲。
- 搭配你自己歌詞的歌曲，可用於預告片、片尾名單、遊戲內電台或劇情片段。
- 關卡用的長篇器樂背景音樂，每首 10 秒到 10 分鐘。
- 配合遊戲在地化版本的其他語言歌曲（歌詞支援 50 種語言）。

## 範例請求

- 「為主要選單做一段 2 分鐘輕快的 chiptune 器樂。」
- 「寫一首憂鬱的鋼琴抒情曲，搭配女聲，用於片尾名單，歌詞如下：……」
- 「生成一段 3 分鐘的管弦戰鬥主題曲，加入合唱與厚重的鼓。」
- 「做一首日式 city-pop 歌曲，用於遊戲內電台，長度約 90 秒。」

## 重點特色

| 規格 | 值 |
|---|---|
| 輸出 | 48 kHz 立體聲 WAV，儲存到你的專案中 |
| 長度 | 10 秒到 10 分鐘（預設 30 秒） |
| 輸入 | 風格提示（最多 512 個字元）與可選歌詞（最多 4,096 個字元） |
| 歌詞語言 | 50 種，包括英文、中文、日文、韓文、西班牙文、德文、法文、葡萄牙文與俄文 |
| 變體 | Turbo：最多 8 個去噪步數（預設 8） |
| 可重現 | 相同的種子可重現相同結果 |

- Turbo 變體會忽略引導強度（CFG），因此應用程式不提供這項設定。
- 風格提示最多讀取 256 個 token，歌詞最多 2048 個 token（上游與 audio.cpp 皆然）；其餘部分會被直接截斷，不會有任何警告。4096 個字元的英文歌詞放得下，但同樣長度的中文、日文或韓文歌詞可能會失去後半段。

這個套件只是資料。它指明模型檔案。應用程式會在你確認後下載，以 sha256 驗證，並在你的電腦上用 audio.cpp 執行。

## 下載

10.09 GB，一個檔案，鎖定在特定的 Hugging Face commit：

| 檔案 | 來源 | 大小 |
|---|---|---:|
| `ace-step-1.5-turbo-bf16.gguf`（DiT、5 Hz LM 規劃器、文字編碼器與 VAE，全部放在同一個檔案中） | [`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf/tree/b7b9aa1f16c819c3b2d69a602b51786bdfb361a3/ACE-Step1.5-GGUF/turbo) @ `b7b9aa1f` | 10.09 GB |

刻意選用 bf16 檔案：audio.cpp 對完全量化的 q8_0 ACE-Step 套件評為「規劃器取樣可能失敗」（其 `docs/gguf.md`），因此 q8_0 檔案可能回傳一首毫不相干的歌曲。

## 適用電腦

| 電腦 | 需求 | 速度 |
|---|---|---|
| NVIDIA GPU（CUDA）或其他 GPU（Vulkan） | 約 16 GB GPU 記憶體（估計值） | 尚未實測 |
| 搭載 Apple 晶片的 Mac（Metal） | 約 24 GB 記憶體（估計值） | 尚未實測 |

這些記憶體數字是估計值，會在發布前於實際 GPU 上驗證。光是權重就有 9.4 GiB，而 audio.cpp 自己的報告顯示，同等權重大小的 XL 套件在 5 秒片段上峰值為 14.4–15.8 GiB。Mac 的 GPU 只能使用其統一記憶體的一部分，因此數字較高。audio.cpp 尚未在 Metal 上驗證 ACE-Step。ACE-Step 自己「低於 4 GB」的數字，是針對搭配 CPU 卸載的官方 PyTorch 流程，並非針對這個執行環境。

較大的 ACE-Step 1.5 XL（4B）不在這個套件中：官方 `audio-cpp` 儲存庫在鎖定的修訂版本並未發布 XL GGUF（audio.cpp 的安裝程式會從第三方儲存庫取得 XL）。

## 授權

MIT。允許將模型以及它生成的音樂用於商業用途。

- ACE-Step 1.5（DiT、5 Hz LM 規劃器、VAE）© 2026 ACEStep — [MIT 授權](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 與 StepFun 共同主導。
- 5 Hz LM 規劃器是從 Qwen3-1.7B © Alibaba Cloud（Qwen 團隊）微調而來 — [模型卡](https://huggingface.co/Qwen/Qwen3-1.7B)，Apache-2.0。
- 文字編碼器 Qwen3-Embedding-0.6B © Alibaba Cloud（Qwen 團隊）— [模型卡](https://huggingface.co/Qwen/Qwen3-Embedding-0.6B)，Apache-2.0。
- GGUF 轉換：[`audio-cpp/audio.cpp-gguf`](https://huggingface.co/audio-cpp/audio.cpp-gguf) — 其模型卡（`license: other`）說明每個 GGUF 都受其原始模型的授權規範；對 `ACE-Step1.5-GGUF` 而言就是 MIT。

這四個部分全部打包在這一個 GGUF 檔案中。

重新散布權重時必須標示的署名：保留 MIT 著作權聲明 "Copyright (c) 2026 ACEStep"，以及 Qwen3-1.7B 與 Qwen3-Embedding-0.6B 的 Apache-2.0 授權與聲明。你生成的音樂則無需署名。

限制，說明白一點：

- 兩份授權都沒有地區限制、沒有營收上限、也沒有浮水印。
- ACE-Step 的 README（「License & Disclaimer」）另外加了使用條款：使用 ACE-Step 即表示你同意確認所生成的內容為原創、清楚揭露 AI 參與其中，並在改作受保護的風格或素材前取得許可。
- 你要對自己生成的內容負責（例如模仿真實歌手的歌詞或風格）。

所有檔案都從 Hugging Face 下載。AI Game Dev 本身並不託管這些檔案。
````
