ACE-Step，一款由ACE Studio與StepFun聯合開發的音樂生成“基礎模型”，於近日正式亮相，被譽爲“音樂界的Stable Diffusion”。該模型以其驚人的生成速度和多樣化功能引發行業熱議，支持19種語言，可在短短20秒內生成一首長達4分鐘的完整音樂作品，效率比主流模型快15倍以上。

核心功能亮點:從歌詞到完整歌曲一氣呵成

ACE-Step以其強大的生成能力重新定義了AI音樂創作。其核心功能包括:

歌詞驅動創作:輸入歌詞，模型自動生成旋律並演唱完整歌曲;

風格化編曲:根據指定的風格標籤（如說唱、電子樂、流行等），自動生成伴奏和配器;

精準修改:支持對歌曲某段歌詞進行修改，而不影響原有旋律的連貫性;

多樣化生成:能夠生成帶風格的說唱、電子樂、人聲或複雜配器，滿足不同音樂場景需求。

社交媒體上，開發者與音樂創作者對ACE-Step的“一句歌詞快速寫歌”功能讚不絕口，認爲其爲音樂創作提供了前所未有的便捷性與靈活性。

image.png

技術突破:高效生成與多語言支持

ACE-Step基於DiT（Diffusion Transformer）架構，採用輕量化設計，支持在消費級GPU上運行，顯著降低了硬件門檻。在A100GPU上，模型僅需20秒即可生成4分鐘的高質量音樂，生成速度比傳統模型快15倍以上。此外，ACE-Step支持19種語言，覆蓋英語、中文、日語、西班牙語等多種語系，爲全球音樂創作者提供了廣泛的適用性。AIbase編輯團隊瞭解到，該模型通過與StepFun的Step-1(130億參數語言模型)結合，經過音頻上下文預訓練和任務特定後訓練，實現了跨模態音樂理解與生成的高效融合。

image.png

開源賦能，社區驅動創新

作爲一款開源模型，ACE-Step通過GitHub（stepfun-ai/Step-Audio）向開發者開放，允許社區對其進行微調以適配多樣化的音樂任務。ACE Studio與StepFun表示，ACE-Step的簡單架構和低硬件要求使其易於擴展，未來有望支持更多音樂風格和創作場景。AIbase觀察到，社區開發者已開始基於ACE-Step開發定製化的音樂生成工具，進一步推動了AI音樂生態的繁榮。

AI音樂創作的未來標杆

ACE-Step的發佈不僅展示了ACE Studio與StepFun在AI音樂生成領域的深厚技術積累，也爲全球音樂創作者提供了一個高效、靈活的創作平臺。AIbase編輯團隊認爲，ACE-Step的快速生成能力和多語言支持將大幅降低音樂創作的門檻，助力音樂家、獨立創作者乃至影視製作團隊實現創意落地。未來，隨着模型的迭代和社區的持續貢獻，ACE-Step有望成爲AI音樂創作領域的標杆，引領“人機共創”的新潮流。

項目地址：https://ace-step.github.io/