ACE-Step 1.5 开源：不到 4GB 显存，10 秒本地生成完整歌曲

ACE-Step 1.5 是由 ACE Studio 与阶跃星辰联合开源的音乐基础模型，能把简单的文本提示词直接变成结构完整的完整歌曲。

它最抢眼的地方是运行门槛极低：整套系统对显存的需求不到 4GB，在消费级显卡 RTX 3090 上不到 10 秒就能跑出一首歌，如果换到 A100 上，耗时甚至不到 2 秒。

它能做什么

除了常规的文本生成音乐，ACE-Step 1.5 还内置了多项音频编辑能力，包括翻唱制作、局部重绘以及提取人声后生成背景伴奏。生成的跨度很广，无论是几秒钟的环境循环，还是长达 10 分钟的长篇编曲都能应对。

模型原生支持 50 多种语言的文本输入，中文表现同样扎实。业内一些先行测试反馈，其生成的听感表现已经接近商用闭源工具 Suno v4 的水平。

商用合规是它的另一大卖点。该模型采用 MIT 开源协议，训练数据由合法授权的专业曲库、公有领域音乐、无版权音频以及高质量合成 MIDI 数据构成，创作者生成的音乐可以放心地投入商业用途。

架构设计与怎么跑起来

技术上它采用了语言模型加扩散变换器的混合架构。前端由一个基于 Qwen3 演化而来的轻量语言模型充当指挥，通过思维链将用户的简短提示扩写为包含元数据、歌词与曲式结构的蓝图。

后端则由负责声音合成的 DiT 接手。官方推出了经过蒸馏的 Turbo 版本，只需 8 步采样即可成曲，并通过内部机制进行强化学习对齐，不再依赖容易产生偏见的外部奖励模型。

普通用户上手并不难。模型权重与代码已经在 Hugging Face 和 ModelScope 同步上架，直接通过 Transformers 库的 pipeline 几行代码就能调用。官方还提供了 Google Colab 与在线演示空间，就算本地没有独立显卡也可以在网页端直接体验。

为什么重要

对独立游戏开发者、短视频创作者和播客主播来说，ACE-Step 1.5 相当于在本地装了一支随叫随到的配乐团队。你不再需要按月给云端音乐平台掏订阅费，也不必担心素材版权暴雷或提示词隐私外泄。

我们认为，阶跃星辰和 ACE Studio 这一步走得非常务实。以前的开源音频模型要么体积过大跑不动，要么训练版权模糊不敢用。ACE-Step 1.5 把门槛压进 4GB 显存，直接将音乐生成从云端服务拉到了创作者的个人桌面上，这对闭源商业音乐平台来说是个不小的冲击。