ACE Studio 联合 阶跃星辰 (StepFun) 正式推出 ACE-Step 1.5 XL 系列模型。这是 ACE-Step 家族的重大升级，引入了拥有 40 亿 (4B) 参数 的 DiT (Diffusion Transformer) 解码器，旨在提供远超此前 2B 版本的音频质量、细节丰富度及提示遵循能力。
- 官网：https://acemusic.ai
- Hugging Face：https://huggingface.co/collections/ACE-Step/ace-step-15-xl
- 魔搭：https://modelscope.cn/collections/ACE-Step/Ace-Step-15-xl
- Demo：https://huggingface.co/spaces/ACE-Step/Ace-Step-v1.5
- ComfyUI：https://huggingface.co/Comfy-Org/ace_step_1.5_ComfyUI_files
该系列包含三个变体：Base（基础全能）、SFT（高质微调）和 Turbo（极速蒸馏），并完全兼容现有的所有 LM（语言模型）组件。
核心亮点
1. 4B 参数 DiT 架构，音质飞跃
- 更大更强：DiT 解码器参数量从 2B 翻倍至 4B，Hidden Size 提升至 2560，层数增至 32 层。
- 细节丰富：显著提升了乐器分离度、人声清晰度及整体混音质感，尤其在复杂编曲中表现更佳。
- 商业就绪：基于合法合规、授权音乐及合成数据训练，生成的音乐可用于商业用途。
2. Turbo 变体：8 步极速生成
- 蒸馏加速：
xl-turbo版本通过蒸馏技术，仅需 8 步 推理即可生成高质量音频。 - 速度与质量平衡：在保持极高音质的同时，大幅降低延迟，适合实时交互或批量生成场景。
3. 全任务支持 & 灵活组合
- 六大任务：支持文本生成音乐 (Text-to-Music)、翻唱 (Cover)、重绘 (Inpainting/Repaint)、提取 (Extraction)、乐高 (Lego/Structure Editing) 及完整生成。
- LM 兼容：所有 XL 模型均兼容现有的 0.6B / 1.7B / 4B LM 模型。用户可根据显存和需求自由搭配（如
XL-SFT + 4B LM追求极致理解，XL-Turbo + 1.7B LM追求速度）。
模型变体对比
| 模型变体 | CFG 支持 | 推理步数 | 音质 | 多样性 | 适用场景 |
|---|---|---|---|---|---|
| acestep-v15-xl-base | ✅ | 50 | 高 | 高 | 全能型：适合探索创意、需要高多样性的场景 |
| acestep-v15-xl-sft | ✅ | 50 | 非常高 | 中等 | 高精度：适合对提示词遵循度要求极高的专业创作 |
| acestep-v15-xl-turbo | ❌ | 8 | 非常高 | 中等 | 极速版：适合快速迭代、实时应用及低延迟需求 |
注：CFG (Classifier-Free Guidance) 允许用户通过调整引导尺度来平衡“创造性”与“对提示词的忠实度”。SFT 和 Base 支持 CFG，Turbo 不支持。
硬件要求与配置建议
由于参数量增加，XL 系列对显存有一定要求。以下是不同显存下的运行策略：
| 显存 (VRAM) | 推荐配置策略 | 备注 |
|---|---|---|
| ≥ 24 GB | 全质量模式：XL DiT + 4B LM | 最佳体验，无需卸载，速度最快 |
| ≥ 20 GB | 标准模式：XL DiT + 1.7B/4B LM | 无需卸载，流畅运行 |
| ≥ 16 GB | CPU 卸载：启用 --cpu-offload | 部分权重移至 CPU，速度稍慢 |
| ≥ 12 GB | 极限模式：INT8 量化 + CPU 卸载 | 可运行，但推理速度较慢，适合尝鲜 |
使用建议
- 追求极致音质：选择
xl-sft+4B LM，并适当提高 CFG 值（如 3.0-5.0）。 - 追求创作灵感：选择
xl-base+4B LM，利用其高多样性探索不同风格。 - 追求速度/实时反馈：选择
xl-turbo+1.7B LM，8 步生成几乎瞬间完成。 - 显存不足：务必启用 CPU 卸载，或尝试使用 INT8 量化版本（如果可用）。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
