ACE-Step 1.5 XL 공개: 4B DiT로 PC에서 1분 만에 보컬 곡 생성

ACE-Step 1.5 XL은 로컬 PC에서 직접 구동할 수 있는 오픈소스 AI 음악 생성 모델입니다. 스타일을 묘사하는 프롬프트와 가사를 입력하면 보컬이 포함된 완곡을 만들어냅니다.

지난 2월 공개된 ACE-Step 1.5의 업그레이드 버전으로, DiT(Diffusion Transformer) 디코더를 4B 파라미터 규모로 확장했습니다. 전작 대비 음질과 지시문 준수 능력, 음악성이 대폭 향상되었으며 일본어 보컬 생성도 지원합니다.

작동 방식과 하드웨어 요구 사양

생성 API와 LoRA 학습 코드는 기존 1.5 버전과 그대로 호환되어 기존 작업 흐름을 유지할 수 있습니다.

터보 증류 기술을 적용해 단 8스텝 만에 추론을 끝냅니다. 일반 소비자용 그래픽카드에서도 1분 이내에 노래 한 곡을 완성할 수 있습니다.

다만 4B 모델인 만큼 하드웨어 사양을 꽤 요구합니다. 로컬 실행을 위한 최소 VRAM은 12GB이며, 권장 사양은 20GB 이상입니다.

3가지 모델과 실제 체감 성능

제작진은 허깅페이스를 통해 용도별로 세 가지 가중치를 공개했습니다.

음악적 다양성이 가장 높은 베이스 모델, 사운드 완성도를 높인 파인튜닝 버전 SFT, 그리고 속도와 품질에 집중한 터보 증류 모델로 나뉩니다.

벤치마크 결과에서는 Udio나 Suno 같은 상용 폐쇄형 모델을 앞섰다고 발표했습니다. 다만 초기 사용자들의 테스트에 따르면 체감 품질은 대략 Suno v4 수준에 근접한 편으로, 최신 v5에는 다소 미치지 못하지만 오픈소스 진영에서는 독보적인 수준에 도달했습니다.

왜 중요한가

그동안 고품질 AI 작곡과 보컬 생성은 유료 구독 기반의 클라우드 서비스가 독점해 왔습니다. ACE-Step 1.5 XL은 4B 크기의 모델로도 개인 PC에서 상용 툴 못지않은 완곡을 충분히 뽑아낼 수 있음을 증명했습니다.

16GB 이상의 VRAM을 갖춘 PC가 있고 인디 게임 BGM, 영상 배경음악, 2차 창작을 고민하는 창작자라면 지금 바로 설치해 볼 만합니다. 다양성 면에서 일부 제약이 있지만, 구독료 걱정 없이 무제한으로 곡을 만들고 자체 LoRA로 스타일을 커스텀할 수 있다는 점은 큰 강점입니다.