ACE-Step 1.5 XL：把 4B DiT 搬上本地，不到 1 分鐘生成帶人聲整首歌
開源音樂生成模型 ACE-Step 1.5 XL 釋出，將 DiT 解碼器引數擴至 4B，支援輸入提示詞與歌詞在本地生成帶人聲的完整歌曲。蒸餾版僅需 8 步推理，在消費級顯示卡上不到 1 分鐘即可完成。最值得關注的是其效果直逼主流商業模型；不過本地執行最低需要 12GB 視訊記憶體。
開源音樂生成模型 ACE-Step 1.5 XL 釋出，將 DiT 解碼器引數擴至 4B，支援輸入提示詞與歌詞在本地生成帶人聲的完整歌曲。蒸餾版僅需 8 步推理，在消費級顯示卡上不到 1 分鐘即可完成。最值得關注的是其效果直逼主流商業模型；不過本地執行最低需要 12GB 視訊記憶體。