ACE-Step 1.5 XL — SFT (4B DiT)

模型详情

这是 ACE-Step 1.5 的 XL (4B) SFT 版本——一个拥有约 40 亿参数的监督微调模型。SFT 支持分类器无关引导（CFG），可实现细粒度的提示词控制，同时提供更高的音频质量。

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	需开启 CPU 内存卸载 + INT8 量化
≥16 GB	需开启 CPU 内存卸载
≥20 GB	无需内存卸载
≥24 GB	完整质量（XL + 4B 语言模型）

所有语言模型（0.6B / 1.7B / 4B）均与 XL 版本完全兼容。

核心特性

💰 商业可用： 基于合规数据集训练，生成音乐可用于商业用途。
📚 安全训练数据： 包含授权音乐、免版税/公有领域素材及合成（MIDI 转音频）数据。
🎯 CFG 支持： 通过引导尺度控制，精细调整提示词遵循度。
🔮 最高品质： SFT 技术 + 40 亿参数 = 最高品质版本。

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-sft --local-dir ./checkpoints/acestep-v15-xl-sft

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

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、构建、补全）	链接	链接
`acestep-v15-xl-sft`	✅	50	极高	中等	标准	本仓库	链接
`acestep-v15-xl-turbo`	❌	8	极高	中等	标准	链接	链接

语言模型（均与XL兼容）

语言模型	参数规模	音频理解	组合能力	Hugging Face	ModelScope
`acestep-5Hz-lm-0.6B`	0.6B	中等	中等	链接	链接
`acestep-5Hz-lm-1.7B`	1.7B	中等	中等	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和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}
}

ACE-Step 1.5 XL — SFT (4B DiT)

模型详情

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	需开启 CPU 内存卸载 + INT8 量化
≥16 GB	需开启 CPU 内存卸载
≥20 GB	无需内存卸载
≥24 GB	完整质量（XL + 4B 语言模型）

所有语言模型（0.6B / 1.7B / 4B）均与 XL 版本完全兼容。

核心特性

💰 商业可用： 基于合规数据集训练，生成音乐可用于商业用途。
📚 安全训练数据： 包含授权音乐、免版税/公有领域素材及合成（MIDI 转音频）数据。
🎯 CFG 支持： 通过引导尺度控制，精细调整提示词遵循度。
🔮 最高品质： SFT 技术 + 40 亿参数 = 最高品质版本。

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-sft --local-dir ./checkpoints/acestep-v15-xl-sft

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

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、构建、补全）	链接	链接
`acestep-v15-xl-sft`	✅	50	极高	中等	标准	本仓库	链接
`acestep-v15-xl-turbo`	❌	8	极高	中等	标准	链接	链接

语言模型（均与XL兼容）

语言模型	参数规模	音频理解	组合能力	Hugging Face	ModelScope
`acestep-5Hz-lm-0.6B`	0.6B	中等	中等	链接	链接
`acestep-5Hz-lm-1.7B`	1.7B	中等	中等	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和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}
}