ACE-Step：快速连贯的开源音乐生成模型

ACE-Step：音乐生成新突破

项目简介

ACE-Step是一个开源的音乐生成基础模型，旨在克服现有方法的局限性，通过创新的架构设计实现卓越的性能。它结合了基于扩散的生成模型、DCAE和线性Transformer，并利用MERT和m-hubert进行语义表示对齐，从而实现了更快的推理速度、更好的音乐连贯性和歌词对齐。

核心优势

• 生成速度快：在A100 GPU上，20秒内合成长达4分钟的音乐，比LLM模型快15倍。
• 音乐连贯性好：在旋律、和声和节奏方面表现出色。
• 歌词对齐：准确地将歌词与音乐对齐。
• 控制性强：支持声音克隆、歌词编辑、混音和音轨生成等高级控制机制。
• 多种语言支持: 支持包括中英文在内的19种语言。

主要功能

• 多种风格和流派：支持所有主流音乐风格，可以使用短标签、描述性文本或用例场景进行描述。
• 乐器风格：生成各种乐器音乐，产生逼真的音轨。
• 声乐技巧：高质量地呈现各种声乐风格和技巧。
• 变奏生成：使用无训练的推理时优化技术生成音乐变奏。
• 重新绘制 (Repainting)：通过在ODE过程中添加噪声和应用蒙版约束来修改特定音乐部分。
• 歌词编辑：使用flow-edit技术实现局部歌词修改，同时保留旋律、人声和伴奏。

应用方向 (LoRA 模型)

• Lyric2Vocal：直接从歌词生成人声样本，适用于歌曲创作。
• Text2Samples：从文本描述生成概念音乐制作样本，适用于快速创建乐器循环、音效和音乐元素。

即将推出

• RapMachine：专用于说唱生成的AI系统，具有AI说唱对战等功能。
• StemGen：生成单个乐器分轨，例如为长笛旋律创建钢琴伴奏或为主音吉他添加爵士鼓。
• Singing2Accompaniment：从单个人声轨道生成混合主音轨，为任何人声录音添加专业的伴奏。

硬件性能

RTF (Real-Time Factor) 数值越高，生成速度越快。

安装步骤

1. 克隆代码仓库。
2. 安装Python (3.10+) 和 Conda/venv。
3. 创建并激活虚拟环境。
4. 安装依赖项。

使用方法

基础用法

acestep --port 7865

高级用法

acestep --checkpoint_path /path/to/checkpoint --port 7865 --device_id 0 --share true --bf16 true

界面指南

• Text2Music Tab：根据标签、歌词等生成音乐。
• Retake Tab：生成音乐的变奏。
• Repainting Tab：选择性地重新生成音乐的特定部分。
• Edit Tab：通过更改标签或歌词来修改现有音乐。
• Extend Tab：在现有音乐的开头或结尾添加音乐。

许可证

Apache License 2.