ACE-Step 1.5 本地音乐生成安装教程：10 分钟从 0 到第一首歌完整指南
【免费下载链接】ACE-Step-1.5The most powerful local music generation model that outperforms almost all commercial alternatives, supporting Mac, AMD, Intel, and CUDA devices.项目地址: https://gitcode.com/gh_mirrors/ac/ACE-Step-1.5
ACE-Step 1.5 是目前最强的开源本地音乐生成模型之一：A100 上 2 秒内出一首完整歌曲，RTX 3090 上 10 秒内完成，显存 4GB 就能跑起来。它支持文生歌、翻唱、局部重绘、人声转伴奏，全程在本地运行，不上传任何音频。读完这篇 ACE-Step 1.5 安装教程，你能在 Windows / macOS / Linux 上装好它，并生成自己的第一首歌。
装好之后，你能直接做什么
- 输入「轻快的夏日电子流行，女声，BPM 120」，几十秒后得到带人声和伴奏的完整歌曲
- ⚡ 上传一段人声轨，自动生成伴奏（vocal2bgm），或把伴奏反推成人声版
- 指定某一段做局部重绘（repaint），只改副歌而不重新生成全曲
- 对现有音频做翻唱、分轨，或用参考音频引导新曲的风格
- 用 8 首歌训练一个 LoRA 适配自己的风格，RTX 3090 上约 1 小时
先确认机器：ACE-Step 1.5 最低环境要求
| 项目 | 最低要求 | 推荐配置 |
|---|---|---|
| Python | 3.11（正式版，非预发布版） | 3.11–3.12 |
| GPU | 纯 CPU（速度很慢） | NVIDIA CUDA |
| 显存 | 4GB（仅 DiT 模式） | 6GB 以上（LM + DiT 全功能） |
| 磁盘 | 核心模型约 10GB | 预留 20GB |
| 系统 | Windows / macOS / Linux | 均支持 |
AMD 用户走 ROCm 路线、Intel Arc 走 XPU、Mac 用 Apple Silicon 的 MLX 原生加速，细节见 docs/zh/GPU_COMPATIBILITY.md。注意 Windows 上的 ROCm 要求 Python 3.12。
安装主线：三条命令完成本地部署
整个流程就三件事：装uv（包管理器，负责自动管理 Python 依赖，不用手动建虚拟环境）、克隆仓库让uv装依赖、启动。如果不想敲命令，仓库为每个平台都备好了启动脚本，会自动完成环境检测、依赖安装和更新检查，两种方式对比：
| 方式 | 用法 | 适合谁 |
|---|---|---|
| 命令行（uv） | uv run acestep | 习惯终端、想自定义参数 |
| 平台启动脚本 | 双击 / 运行对应.bat/.sh | 新手首次安装 |
先装uv：Windows 用户直接运行仓库自带的install_uv.bat，macOS / Linux 用户运行install_uv.sh，也可以按 uv 官网指引安装。然后克隆仓库并安装依赖，uv sync会根据你的系统自动选对应的 PyTorch 版本（Windows / Linux 为 CUDA 12.8，Apple Silicon 自带 MLX 加速库）：
git clone https://gitcode.com/gh_mirrors/ac/ACE-Step-1.5 cd ACE-Step-1.5 uv sync想让配置跨仓库更新保留，可以复制示例配置文件再按需修改：
cp .env.example .env📦
.env里常用项：ACESTEP_CONFIG_PATH（DiT 模型）、ACESTEP_LM_MODEL_PATH（语言模型）、PORT（默认 7860）、LANGUAGE=zh（中文界面）。完整注释见 .env.example。
各平台一键启动脚本（可选）
| 平台 | 网页界面脚本 | 硬件后端 |
|---|---|---|
| Windows | start_gradio_ui.bat | NVIDIA CUDA |
| Windows（AMD） | start_gradio_ui_rocm.bat | AMD ROCm（需 Python 3.12） |
| Linux | start_gradio_ui.sh | NVIDIA CUDA |
| macOS（Apple Silicon） | start_gradio_ui_macos.sh | MLX 原生加速 |
Linux / macOS 的脚本首次运行前需先chmod +x加执行权限。
第一次运行：启动界面，生成第一首歌
运行uv run acestep会打开 Gradio 网页界面，浏览器访问http://localhost:7860即可；习惯接口调用的话改用uv run acestep-api，REST API 在 8001 端口。
首次使用有三个新手容易困惑的点：
- 模型会在首次运行时自动下载，核心模型约 10GB，按你的带宽等几分钟，属于正常现象；国内网络慢可以在
.env中设置ACESTEP_DOWNLOAD_SOURCE=modelscope切换到 ModelScope 源 - Settings 面板会自动检测你的显卡并显示显存档位（如截图中 "Auto-detected Tier"），DiT 模型、LM 模型、量化与卸载策略都已按档位预配置，直接点 Initialize Service 即可
- 默认是懒加载：服务秒开，第一次生成时会触发模型加载，略慢是设计如此
按显存选模型：一张表对号入座
UI 会自动推荐，手动选时对照下表即可。选型逻辑很简单：turbo 用 8 步采样、快，sft 用 50 步、质量更高；XL 系列是 4B 参数的 DiT，音质更高但权重约 9GB，12GB 显存需开卸载 + 量化，20GB 以上可全速运行。
| 你的显存 | 推荐 DiT 模型 | 推荐 LM 模型 |
|---|---|---|
| ≤6GB | 2B turbo | 无（仅 DiT，INT8 量化 + CPU 卸载） |
| 6–8GB | 2B turbo | acestep-5Hz-lm-0.6B（pt 后端） |
| 8–16GB | 2B turbo / sft | 0.6B（8–12GB）/ 1.7B（12–16GB） |
| 16–20GB | 2B sft 或 XL turbo | 1.7B（vllm 后端） |
| 20–24GB | XL turbo / sft | 1.7B / 4B |
| ≥24GB | XL sft（最佳音质） | 4B |
30 秒看懂它怎么生成音乐
ACE-Step 1.5 采用「语言模型 + 扩散 Transformer」混合架构：生成时 LM（基于 Qwen3）充当规划器，把你的话扩写成完整歌曲蓝图——结构、歌词、元数据；DiT 再按这份蓝图合成音频。这解释了它为什么能覆盖 10 秒 loop 到 10 分钟的完整作品、支持 50+ 语言歌词和 1000+ 乐器风格。理解这个分工对调参有帮助：影响编曲和歌词的提示词走 LM 路径，而扩散步数、CFG 等参数主要影响 DiT 的生成细节。
常见坑速查：症状到解法
- 首次启动卡在下载进度→ 正常，10GB 模型取决于带宽；国内网络可设
ACESTEP_DOWNLOAD_SOURCE=modelscope换源 - 7860 端口被占用→ 在
.env中把PORT改成 7861 等空闲端口 - Windows + AMD 显卡报显存/设备错误→ ROCm on Windows 要求 Python 3.12，请改用
start_gradio_ui_rocm.bat启动 - 下载太慢或中途断了→ 用
uv run acestep-download单独预下载或续传，--list可列出全部可用模型 - GPU 相关报错想系统排查→ 查官方排障文档 docs/en/GPU_TROUBLESHOOTING.md
下一步
- docs/zh/Tutorial.md：模型选择、提示词写法与推理超参数的系统讲解，装完必读
- docs/zh/LoRA_Training_Tutorial.md：8 首歌训练自己的风格 LoRA
- docs/zh/API.md：把 ACE-Step 1.5 接入自己的服务，走 REST API
打开http://localhost:7860，输入「轻快的夏日电子流行，女声，BPM 120」，按下生成——你的本地音乐生成工作站已经就绪 🎧
【免费下载链接】ACE-Step-1.5The most powerful local music generation model that outperforms almost all commercial alternatives, supporting Mac, AMD, Intel, and CUDA devices.项目地址: https://gitcode.com/gh_mirrors/ac/ACE-Step-1.5
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考