ComfyUI-AceMusic：多语言AI音乐生成节点，19种语言写歌+完整歌曲结构控制

ComfyUI-AceMusic 是基于 ACE-Step 1.5 开发的 ComfyUI 自定义节点，专注实现多语言带歌词完整歌曲生成，支持 19 种语言（含中文、英语、日语、韩语等），将 ACE-Step 1.5 核心能力完整封装为节点化工作流，适配本地部署与生产级音乐创作场景。

• GitHub：https://github.com/hiroki-abe-58/ComfyUI-AceMusic

核心亮点

• 完整 ACE-Step 1.5 集成：全球首个将 ACE-Step 1.5 全功能落地为 ComfyUI 节点的套件，共 15 个功能节点，覆盖生成、编辑、微调全流程。
• 模块化节点架构：拆分 Settings、Lyrics、Caption 独立节点，无组件顺序依赖，工作流逻辑清晰、可读性强，便于复用与二次修改。
• 跨平台高兼容：替换 torchaudio 为 soundfile/scipy 后端，完美支持 Windows 系统及 Python 3.13+ 版本，解决跨环境兼容性问题。
• 生产级稳定性：内置输入验证、参数自动回退机制，避免运行时报错；支持批量生成与异常容错，适配长期稳定运行。
• 生态互通：与 HeartMuLa 节点无缝衔接，可组合构建混合 AI 音乐工作流，兼容主流音乐生成插件生态。

核心功能特性

1. 多语言歌词生成

支持 19 种语言生成带人声的完整歌曲，核心语言品质分级：

• 优秀：英语（en）、中文（zh）、日语（ja）
• 很好：韩语（ko）、西班牙语（es）
  其余语言均支持基础生成，满足多语种创作需求。

2. 歌曲结构精细化控制

通过标准段落标记定义歌曲结构，支持完整歌曲范式：

3. 风格与参数精准调控

• 风格标签体系：支持流派、人声、情绪、节奏、乐器多维度标签组合，精准控制音乐风格。
  • 流派：pop、rock、electronic、jazz、c-pop、mandopop 等；
  • 人声：female vocal、male vocal、duet、choir、instrumental；
  • 情绪：energetic、melancholic、romantic、dreamy 等；
  • 乐器：piano、guitar、drums、erhu、pipa 等。
    示例标签组合：mandopop, female vocal, romantic, piano, emotional ballad。
• 时长与参数：支持最长 240 秒（4 分钟）连续音频生成，可自定义 BPM、采样步数、语言等核心参数。

4. 全链路音频编辑

覆盖从生成到二次修改的全流程，支持 5 大核心编辑功能：

• Cover：现有音频风格转换（Audio2Music）；
• Repaint：音频指定片段重生成；
• Retake：现有音频变体创作；
• Extend：音频首尾内容扩展；
• Edit：保留旋律前提下修改标签/歌词（FlowEdit）。

5. 模型与微调支持

• 自动下载并缓存 ACE-Step 官方模型，存储路径：~/.cache/ace-step/checkpoints/；
• 支持 LoRA 微调适配器加载，适配特殊风格、音色定制化需求。

完整节点列表（15 个核心节点）

安装教程

方式一：ComfyUI Manager 安装（推荐）

1. 打开 ComfyUI，进入 ComfyUI Manager 面板；
2. 搜索节点名称：ComfyUI-AceMusic；
3. 点击安装，等待依赖自动下载完成，重启 ComfyUI 生效。

方式二：手动源码安装

1. 进入 ComfyUI 自定义节点目录：

   cd ComfyUI/custom_nodes
   

2. 克隆项目仓库：

   git clone https://github.com/hiroki-abe-58/ComfyUI-AceMusic.git
   

3. 安装节点依赖：

   cd ComfyUI-AceMusic
   pip install -r requirements.txt
   

4. 安装 ACE-Step 1.5 核心库：

   pip install git+https://github.com/ace-step/ACE-Step.git
   

5. 重启 ComfyUI，节点自动加载。

模型下载

首次使用节点时，模型会自动从 Hugging Face 下载至本地缓存目录，无需手动操作；若下载失败，可手动下载模型文件放入 ~/.cache/ace-step/checkpoints/。

快速开始（基础工作流）

1. 加载模型：添加 AceMusic Model Loader 节点，选择运行设备（cuda 优先，无 GPU 选 cpu）；
2. 配置参数：添加 AceMusic Settings 节点，设置歌曲时长（如 180 秒）、语言（zh 中文）、BPM（如 120）；
3. 输入歌词：添加 AceMusic Lyrics Input 节点，输入带段落标记的歌词，示例：

   [Verse]
   走在空旷的街道上
   想着你和我的过往
   
   [Chorus]
   我们属于彼此
   从现在到永远
   

4. 设置风格：添加 AceMusic Caption Input 节点，输入风格标签，如 pop, female vocal, energetic；
5. 连接生成：将 Model Loader、Settings、Lyrics Input、Caption Input 节点连接至 AceMusic Generator；
6. 预览输出：Generator 输出端连接 Preview Audio 节点，点击运行，生成完成后可直接播放音频。

示例工作流可直接加载项目内 workflow/AceMusic_Lyrics_v3.json 文件，快速复用。

硬件要求与性能

显存要求

• 普通模式：≥8GB 显存，全速生成，适配 RTX 3090/4090/5090、A100 等；
• CPU Offload 模式：≈4GB 显存，生成速度较慢，适配低显存设备。

生成性能（27 步采样，1 分钟音频）

使用提示

1. 歌词输入需严格遵循段落标记格式，避免无标记纯文本，否则结构解析异常；
2. 风格标签建议 3-5 个组合，过多标签会导致生成风格混乱；
3. 低显存设备优先开启 CPU Offload，避免显存溢出；
4. 生成长音频（≥3 分钟）时，建议降低采样步数，平衡速度与质量。