ACE-Step 1.5 XL — Base (4B DiT)

模型详情

这是 ACE-Step 1.5 的 XL (4B) Base 版本——一个拥有约 40 亿参数的更大 DiT 解码器，旨在提供更高的音频质量。它是支持所有任务的基础模型：文本生成音乐（text-to-music）、音乐翻唱（cover）、音乐重绘（repaint）、音乐提取（extract）、音乐拼接（lego）和音乐补全（complete）。

XL 架构

参数	数值
DiT 解码器隐藏层大小	2560
DiT 解码器层数	32
DiT 解码器注意力头数	32
编码器隐藏层大小	2048
编码器层数	8
总参数量	~40 亿
权重大小（bf16）	~18.8 GB
推理步数	50（带 CFG）

GPU 要求

显存	支持情况
≥12 GB	需启用 CPU 内存卸载 + INT8 量化
≥16 GB	需启用 CPU 内存卸载
≥20 GB	无需内存卸载
≥24 GB	全质量模式（XL + 4B LM）

所有 LM 模型（0.6B / 1.7B / 4B）均与 XL 版本完全兼容。

核心特性

💰 商业可用： 基于合法合规数据集训练，生成的音乐可用于商业用途。
📚 安全训练数据： 包含授权音乐、免版税/公有领域音乐以及合成（MIDI 转音频）数据。
🎯 全任务支持： 支持文本生成音乐（Text2Music）、音乐翻唱（Cover）、音乐重绘（Repaint）、音乐提取（Extract）、音乐拼接（Lego）、音乐补全（Complete）。
🔮 更高品质： 40 亿参数相比 20 亿参数版本，提供更丰富的音频质量。

快速开始

# Install ACE-Step
git clone https://github.com/ace-step/ACE-Step-1.5.git
cd ACE-Step-1.5
pip install -e .

# Download this model
huggingface-cli download ACE-Step/acestep-v15-xl-base --local-dir ./checkpoints/acestep-v15-xl-base

# Run with Gradio UI
python acestep --config-path acestep-v15-xl-base

模型库

XL（4B）DiT 模型

DiT 模型	CFG	步数	质量	多样性	任务	Hugging Face	ModelScope
`acestep-v15-xl-base`	✅	50	高	高	全部（提取、搭建、补全）	本仓库	链接
`acestep-v15-xl-sft`	✅	50	极高	中	标准	链接	链接
`acestep-v15-xl-turbo`	❌	8	极高	中	标准	链接	链接

2B DiT 模型

DiT 模型	CFG	步数	Hugging Face	ModelScope
`acestep-v15-turbo`（默认）	❌	8	链接	链接
`acestep-v15-sft`	✅	50	链接	链接
`acestep-v15-base`	✅	50	链接	链接

LM 模型（均与 XL 兼容）

LM 模型	参数规模	音频理解	组合能力	Hugging Face	ModelScope
`acestep-5Hz-lm-0.6B`	0.6B	中	中	链接	链接
`acestep-5Hz-lm-1.7B`	1.7B	中	中	包含在主模型中	包含在主模型中
`acestep-5Hz-lm-4B`	4B	强	强	链接	链接

致谢

本项目由ACE Studio与StepFun联合主导。

引用

@misc{gong2026acestep,
    title={ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation},
    author={Junmin Gong, Yulin Song, Wenxiao Zhao, Sen Wang, Shengyuan Xu, Jing Guo},
    howpublished={\url{https://github.com/ace-step/ACE-Step-1.5}},
    year={2026},
    note={GitHub repository}
}