ACE-Step 1.5正式登陆ComfyUI：4GB显存跑商用级音乐生成，消费级硬件10秒出完整歌曲

ComfyUI已全面适配ACE-Step 1.5！这款兼具商用级质量、极速生成、低硬件门槛的开源音乐基础模型，落地可视化工作流后进一步降低使用门槛，让普通用户在消费级硬件上，就能轻松实现10秒生成完整歌曲、自定义风格微调的AI音乐创作，还支持50+种语言精准响应，成为ComfyUI生态中首个兼具高性价比与专业能力的音乐生成工具。

• 模型：https://huggingface.co/Comfy-Org/ace_step_1.5_ComfyUI_files
• 网盘下载：https://pan.quark.cn/s/4047fa11d656?pwd=aya2

核心亮点：ComfyUI端的商用级音乐创作能力

落地ComfyUI后，ACE-Step 1.5依旧保留核心优势，且适配可视化操作的使用习惯，从质量、速度、硬件、兼容性多维度拉满体验，普通用户无需代码即可解锁专业音乐生成：

1. 商用级质量，连贯性评分4.72：在标准音乐评估指标上超越多数商业模型，歌曲旋律、编曲、结构的连贯性评分达4.72，生成内容可直接用于商业场景，无版权风险；
2. 极致生成速度，全硬件适配：高性能显卡端极速出片——RTX 5090上1秒生成4分钟完整歌曲，消费级显卡RTX 3090也能做到不到10秒出歌，大幅提升创作效率；
3. 超低显存要求，消费级硬件友好：本地运行仅需少于4GB显存，普通家用电脑、入门级显卡均可流畅运行，无需高端配置，真正实现全民AI音乐创作；
4. 50+语言精准支持，多语种创作无压力：严格遵循50多种语言的提示词要求，对英语、中文、日韩语、西法德等主流语言做专项优化，用母语描述创作需求即可精准响应；
5. 可视化操作，零代码上手：适配ComfyUI的可视化工作流，无需编写代码，通过拖拽节点、填写参数即可完成音乐生成，新手也能快速上手。

核心能力：不止于生成，更懂专业音乐创作

ACE-Step 1.5并非简单的“文本转音频”工具，而是融合了思维链规划、LoRA轻量微调、专业结构控制的全流程AI音乐创作系统，落地ComfyUI后，这些能力通过可视化参数即可调节，更贴合创作者的操作习惯。

1. 思维链规划：从简单提示到完整歌曲蓝图

模型内置的语言模型（LM）充当“全能规划师”，通过思维链推理，将用户的简单文本提示（如“中文流行，温柔女声，钢琴伴奏，副歌抒情”），自动转化为包含歌曲结构、配器、节奏、元数据的完整创作蓝图，还能同步合成歌词、风格描述，指导后续音频生成。

这种规划能力让模型能轻松驾驭从短音乐循环到10分钟长作品的全尺度创作，解决了传统AI音乐生成“长篇作品结构混乱、连贯性差”的痛点。

2. LoRA轻量微调：本地定制专属音乐风格，数据绝对安全

支持ComfyUI端的LoRA轻量级个性化微调，无需海量训练数据，仅需几首甚至几十首个人歌曲，就能训练出捕捉专属风格的LoRA模型，精准还原个人创作的音色、编曲特点。

更重要的是，所有微调过程本地完成，无需上传数据到云端，既保证了创作风格的唯一性，又彻底避免数据泄露，创作者完全拥有自己的LoRA模型。

3. 专业结构控制：精准定义歌曲框架，创作更可控

在ComfyUI工作流中，可通过简单参数设置实现歌曲结构的精细化控制，让AI生成更贴合专业创作需求：

• 用[verse]（主歌）、[chorus]（副歌）、[bridge]（桥段）等标签，直接定义歌曲的段落结构；
• 通过风格标签精准指定流派、乐器、情绪、节奏（如摇滚，电吉他，120bpm，充满活力），标签越具体，生成效果越贴合预期；
• 支持批量生成（设置batch_size为8/16），可从多个样本中挑选最佳结果，解决模型输出偶尔不稳定的问题。

技术内核：四大架构创新，支撑高性价比创作

ACE-Step 1.5能在低硬件门槛下实现商用级质量与极速生成，核心源于四大独创的架构与技术创新，也是其区别于其他音乐生成模型的核心竞争力：

1. 混合LM + DiT架构：语言模型（LM）专门负责歌曲结构规划、需求解析，扩散变换器（DiT）专注音频合成，分工协作让“控制精准度”与“生成质量”双重拉满；
2. 分布匹配蒸馏（DMD2）：借鉴Z-Image的DMD2技术，在保证音乐质量的同时，实现推理速度的大幅提升，让A100上2秒生成完整歌曲成为可能；
3. 内在强化学习：无需外部奖励模型或人类偏好标注，仅通过模型内部机制实现LM规划与DiT生成的精准对齐，消除外部偏见，让生成结果既贴合提示词，又保留创作多样性；
4. 自学习音频分词器：音频分词器与DiT模型同步训练，能自主学习音频特征，大幅缩小“音频生成”与“特征分词”之间的差距，提升生成音频的保真度与自然度。

隐藏功能：即将解锁，让音乐创作更灵活

目前ACE-Step 1.5在ComfyUI中暂未开放部分进阶功能，官方表示这些功能将逐步解锁，也期待社区开发者探索适配方案，解锁更多创作可能：

1. 翻唱生成：输入任意歌曲，搭配新的提示词和歌词，模型就能用完全不同的风格重新演绎，实现“一首歌曲，百种曲风”，比如将流行歌改编为古风、摇滚版本；
2. 音乐重绘：针对生成歌曲中不满意的片段，无需重新生成整首歌，仅选择该片段进行局部重绘，模型会将重绘后的内容无缝衔接回原曲，保持整体结构和风格不变，大幅提升创作迭代效率。

ComfyUI端快速开始：四步解锁，零代码生成专属音乐

适配ComfyUI后，ACE-Step 1.5的使用流程极致简化，无论是桌面版还是本地部署的ComfyUI，只需四步即可完成音乐生成，新手也能轻松操作：

步骤1：更新ComfyUI

将你的ComfyUI升级到最新版本，保证与ACE-Step 1.5工作流的兼容性；

步骤2：选择专属音乐工作流

打开ComfyUI，进入模板库 → 音频分类，直接选择ACE-Step 1.5官方工作流，一键加载；

步骤3：下载模型

按照工作流内的提示，下载模型权重，放入指定模型目录；

步骤4：设置参数，运行生成

在工作流中填写风格标签、歌词（可按专业结构标注段落），按需调整歌曲时长、批量生成数量等参数，点击运行，即可生成专属音乐。

PS：启动ComfyUI时，加速方案不要用sage-attention，那样会导致生成歌曲时没有人声

参数项详细解析

bpm (Beats Per Minute)

• 含义： 每分钟节拍数，即音乐的速度。
• 设置： 截图中是 190。
• 说唱建议： 对于说唱，190 BPM 通常被视为 Trap 风格的“双倍速（Double Time）”，实际听感约 95 BPM。这非常适合快嘴或充满能量的律动。如果想要怀旧慵懒的 Boom Bap 风格，建议调至 90-95。

timesignature (拍号)

• 含义： 音乐的节奏框架。
• 设置： 4 代表常见的 4/4 拍（强、弱、次强、弱）。
• 说唱建议： 绝大多数说唱和流行歌都是 4/4 拍，保持默认即可。

keyscale (调式/音阶)

• 含义： 决定歌曲的情绪基调。
• 设置： E minor（E 小调）。
• 说唱建议： * Minor (小调)：通常听起来比较忧郁、酷、严肃或感伤，非常适合写实的城市说唱。
• Major (大调)：听起来更积极、明亮。如果你想表现淮南未来的辉煌，可以换成 E major。

ComfyUI工作流实用小贴士：这些技巧让生成效果更优

掌握这些小技巧，能大幅提升ACE-Step 1.5在ComfyUI中的生成效果，让AI创作更贴合你的预期：

1. 风格标签要具体：尽量包含流派、乐器、情绪、节奏、人声风格，例：中文民谣，木吉他，轻柔女声，治愈，80bpm，吉他扫弦；
2. 歌词标注段落结构：用[verse1]、[chorus]、[verse2]、[bridge]等标签划分歌词，模型会按专业歌曲结构生成，避免段落混乱；
3. 时长从90-120秒开始：新手建议先从90-120秒的歌曲开始尝试，生成结果的连贯性更优；若需生成180秒以上的长歌曲，可分多个批次生成后拼接；
4. 开启批量生成：将batch_size设置为8或16，一次生成多个样本，再从中挑选最佳结果，弥补模型偶尔输出不稳定的问题；
5. 结合LoRA微调：若有专属风格需求，可先本地训练LoRA模型，再在工作流中加载，生成贴合个人风格的音乐。