ACE-Step 1.5：开源音乐生成，提供官方 ComfyUI 支持

ACE-Step 1.5 是由 ACE Studio 与 StepFun 推出的开源音乐基础模型，可将文本提示词转化为完整歌曲，从短循环到 10 分钟的长篇作品均可生成，速度快到足以在消费级硬件上运行。Turbo 变体在 A100 上不到 2 秒即可生成完整歌曲，在 RTX 3090 上不到 10 秒，本地运行所需显存低于 4GB。

混合 LM + DiT 架构

ACE-Step 1.5 将基于 Qwen 千问的语言模型（0.6B / 1.7B / 4B）与 diffusion transformer 相结合。LM 充当全能规划器：它可将用户的简单查询转化为全面的歌曲蓝图，其中结构、元数据、歌词和文本描述均通过思维链生成，用于指导 DiT。这种对齐通过内在强化学习实现，无需外部奖励模型或人类偏好数据。

除合成功能外，该模型还将风格控制与编辑能力集于一体，支持翻唱生成、重绘和人声转 BGM 等功能，同时可在 50 多种语言中保持出色的提示词遵循度。该系列提供四种 DiT 变体：base、sft、turbo（8 步蒸馏）和 turbo-rl，并搭配三种 LM 规模：

官方 ComfyUI 支持

Comfy-Org 为 ACE-Step 1.5 维护了官方 ComfyUI 文件，包括一体化 Turbo checkpoint、拆分 diffusion 模型（Base / Turbo / XL 变体）、Qwen 千问文本编码器和 VAE，并提供了逐步操作的 docs.comfy.org 教程。官方工作流模板位于 Comfy-Org workflow_templates 仓库中：

下载 ACE-Step 1.5 checkpoint 工作流 下载 ACE-Step 1.5 拆分工作流

获取方式

模型权重已发布在 Hugging Face 和 ModelScope 上，同时提供交互式 Space 演示 以及 arXiv 上的技术报告。