ACE-Step 1.5稳定版v0.1.0发布：显存自动优化、LoRA 训练支持与全硬件兼容

ACE-Step 1.5 正式发布其首个稳定版本 v0.1.0。此次更新不仅仅是简单的 Bug 修复，而是一次全方位的架构进化。新版本引入了智能显存检测与自动模型选择机制，大幅降低了硬件门槛；重构了一键启动脚本，让部署变得丝滑流畅；更重磅加入了LoRA 与 LyCORIS (LoKr) 训练支持，为开发者打开了模型微调的大门。无论你是只想快速生成一首背景音乐的玩家，还是希望定制专属声音风格的开发者，这一版本都值得立即升级。

• GitHub：https://github.com/ace-step/ACE-Step-1.5/releases/tag/v0.1.0

核心亮点：更稳、更快、更强

1. 智能显存管理，告别 OOM 焦虑

这是本次更新最贴心的功能。ACE-Step 1.5 现在具备运行时显存检测能力：

• 自动适配：系统会根据当前 GPU 的显存大小，自动选择最优的模型精度（如 FP16, INT8）和批处理大小。
• 动态优化：在显存紧张时，自动启用优化策略，防止因显存溢出（OOM）导致的崩溃。
• 广泛兼容：无论是高端 RTX 4090，还是显存较小的消费级显卡，甚至是部分 Apple Silicon 设备，都能找到最适合的运行配置。

2. 丝滑的一键启动体验

针对用户反馈的“启动难、环境配置繁琐”问题，团队对启动脚本进行了彻底重构：

• 流程简化：整合了原本分散的步骤，真正实现了“一键启动”。
• 依赖自愈：自动检查并修复常见的环境依赖问题。
• UI 模块化：将 Gradio 前端界面迁移至独立的 ui/gradio 模块，移除了旧的兼容垫片，代码结构更清晰，加载速度更快。

3. 开启微调时代：LoRA & LyCORIS 支持

对于希望定制音乐风格的开发者，v0.1.0 带来了梦寐以求的训练功能：

• LoRA 训练教程：官方发布了详细的 LoRA 训练指南，手把手教你训练专属风格模型。
• LyCORIS (LoKr) 支持：不仅支持标准 LoRA，还引入了更高效、参数量更小的 LyCORIS (LoKr) 算法，加载与训练 API 已全面开放。
• Side-Step 高级文档：链接了 Side-Step 高级训练文档，为深度研究者提供理论支持。

架构重构：为未来奠基

除了用户可见的功能，开发团队在底层架构上也做了大量“看不见但很重要”的工作，确保项目的长期可维护性：

• 生成逻辑解耦：将原本庞大的 generate_music 编排逻辑分解为独立的请求处理模块，提升了代码的可读性和扩展性，并增加了文件上传功能的灵活性。
• VAE 编解码重构：对 VAE（变分自编码器）的编码和解码流程进行了深度优化，提升了音频重建的质量和速度。
• 模型目录标准化：
  • 将 mlx_dit 和 mlx_vae 统一迁移至 models/mlx 目录，更好地支持 Apple Metal 加速。
  • 将评分模块整合至 acestep/core/scoring/，便于后续引入更复杂的评估算法。
• Bug 修复：解决了清单路径双重嵌套导致训练样本无法识别的关键问题，确保训练流程顺畅。

更新日志摘要