高效可控歌曲生成器ACE-Step一键启动整合包，音乐人的歌曲创作利器

又一款AI歌曲创作利器：ACE-Step，ACE-Step是刚发布不久的AI自动谱曲AI自动演唱软件，软件在歌曲生成速度、音乐连贯性和可控性上相对同类软件有了较大提升。ACE-Step在3小时前刚发布了新版本，我基于当前最新版本制作了免安装一键启动整合包。

ACE-Step介绍

官方说明：

我们推出 ACE-Step，这是一个用于音乐生成的全新开源基础模型，它克服了现有方法的关键局限性，并通过整体架构设计实现了最佳性能。当前的方法在生成速度、音乐连贯性和可控性之间面临着固有的权衡。例如，基于 LLM 的模型（例如 Yue、SongGen）在歌词对齐方面表现出色，但推理速度慢且存在结构性伪影。另一方面，扩散模型（例如 DiffRhythm）虽然能够实现更快的合成速度，但通常缺乏长距离的结构连贯性。

ACE-Step 通过将基于扩散的生成与 Sana 的深度压缩自动编码器 (DCAE) 和轻量级线性变换器相结合，弥补了这一差距。它进一步利用 MERT 和 m-hubert 在训练过程中对齐语义表征 (REPA)，从而实现快速收敛。因此，我们的模型在 A100 GPU 上仅需 20 秒即可合成长达 4 分钟的音乐，比基于 LLM 的基线快 15 倍，同时在旋律、和声和节奏指标上实现了卓越的音乐连贯性和歌词对齐。此外，ACE-Step 保留了细粒度的声学细节，支持语音克隆、歌词编辑、混音和音轨生成（例如，歌词到人声、歌唱到伴奏）等高级控制机制。

我们的愿景并非构建另一个端到端的文本到音乐流程，而是为音乐 AI 构建一个基础模型：一个快速、通用、高效且灵活的架构，使其能够轻松地在其上训练子任务。这为开发强大的工具铺平了道路，这些工具可以无缝集成到音乐艺术家、制作人和内容创作者的创作工作流程中。简而言之，我们的目标是为音乐构建一个稳定的传播时刻。

🎯 基线质量

🌈 多样的风格和流派

• 🎸 支持所有主流音乐风格，提供多种描述格式，包括短标签、描述性文字或用例场景
• 🎷 能够使用适当的乐器和风格创作不同类型的音乐

🌍 多种语言

• 🗣️ 支持 19 种语言，其中表现最好的 10 种语言包括：
  • 🇺🇸 英语、🇨🇳 中文、🇷🇺 俄语、🇪🇸 西班牙语、🇯🇵 日语、🇩🇪 德语、🇫🇷 法语、🇵🇹 葡萄牙语、🇮🇹 意大利语、🇰🇷 韩语
• ⚠️由于数据不平衡，不太常见的语言可能表现不佳

🎻 乐器风格

• 🎹 支持不同流派和风格的各种器乐生成
• 🎺 能够为每种乐器制作具有适当音色和表现力的逼真的乐器曲目
• 🎼 可以使用多种乐器进行复杂的编曲，同时保持音乐的连贯性

🎤 发声技巧

• 🎙️ 能够高质量地呈现各种声音风格和技巧
• 🗣️ 支持不同的声音表达，包括各种歌唱技巧和风格

🎛️可控性

🔄 变体生成

• ⚙️ 使用无需训练、推理时间优化技术实现
• 🌊 流匹配模型生成初始噪声，然后使用 trigFlow 的噪声公式添加额外的高斯噪声
• 🎚️ 可调节原始初始噪声和新高斯噪声之间的混合比，以控制变化程度

🎨 重新粉刷

• 🖌️ 通过在目标音频输入中添加噪声并在 ODE 过程中应用掩码约束来实现
• 🔍 当输入条件与原始生成不同时，只能修改特定方面，同时保留其余方面
• 🔀 可以与变体生成技术结合，在风格、歌词或人声上创造局部变化

✏️ 歌词编辑

• 💡 创新性地运用流程编辑技术，实现歌词的局部修改，同时保留旋律、人声和伴奏
• 🔄 可与生成的内容和上传的音频配合使用，大大增强了创作可能性
• ℹ️ 当前限制：一次只能修改歌词的一小部分以避免失真，但可以连续应用多个编辑

🚀 应用程序

🎤 Lyric2Vocal（LoRA）

• 🔊 基于对纯语音数据进行微调的 LoRA，可直接从歌词生成语音样本
• 🛠️ 提供众多实用应用，如人声演示、指南曲目、歌曲创作辅助和人声编排实验
• ⏱️ 提供一种快速测试歌词演唱效果的方法，帮助歌曲创作者更快地进行迭代

📝 Text2Samples (LoRA)

• 🎛️ 与 Lyric2Vocal 类似，但针对纯乐器和样本数据进行了微调
• 🎵 能够根据文本描述生成概念音乐制作样本
• 🧰 有助于快速创建乐器循环、音效和音乐元素以供制作

🔮即将推出

🎤 说唱机器

• 🔥 基于纯说唱数据进行微调，打造专门用于说唱生成的 AI 系统
• 🏆 预期功能包括 AI 说唱对决和通过说唱进行叙事表达
• 📚 Rap 具有出色的叙事和表达能力，具有非凡的应用潜力

🎛️StemGen

• 🎚️ 一个基于多轨数据进行训练的控制网-lora，用于生成单独的仪器词干
• 🎯 以参考音轨和指定乐器（或乐器参考音频）作为输入
• 🎹 输出与参考音轨互补的乐器主干，例如为长笛旋律创建钢琴伴奏或为主音吉他添加爵士鼓

🎤 唱歌伴奏

• 🔄 StemGen 的逆过程，从单个声乐音轨生成混合主音轨
• 🎵 以声乐曲目和指定风格作为输入，产生完整的声乐伴奏
• 🎸 创建完整的乐器伴奏来补充输入的人声，从而可以轻松地为任何声音录音添加专业的伴奏

ACE-Step整合包使用说明

首先将网盘内的软件压缩包下载到本地电脑上并解压，然后双击启动软件.exe。

高配英伟达显卡选正常模式，低配英伟达显卡选低显存模式。

软件成功启动后会自动打开webui界面。

【Select previous generated input params】选择以前生成的音频使用的参数设置。

【Audio Duration】生成的歌曲时长，最大240秒，-1为随机。

【Format】输出歌曲的音频格式，支持wav,mp3，ogg，flac4种。

【Enable Audio2Audio】启用使用参考音频功能，生成歌曲时长会以参考音频时长为准。

【Preset】音乐风格流派，如流行，嘻哈，古典等。

【Tags】输入想要生成歌曲的描述性标签、类型或场景描述（以逗号分隔），使用关键词female女性和male男性来指定歌曲为女声或男声。

【Lyrics】歌词，支持使用 [verse]、[chorus] 和 [bridge] 等歌词结构标签来区分歌词的不同部分。
使用 [instrumental] 或 [inst] 来生成器乐。不支持在歌词中使用流派结构标签。

【Basic Settings】基本设置，如推理步数，种子

【Advanced Settings】高级设置，调度器类型，如euler，heun，pingpong。2025.05.14更新的功能：新增 Stable Audio Open Small 采样器的pingpong。使用SDE实现更好的音乐一致性和质量，包括歌词对齐和风格对齐。使用更好的方法重新实现Audio2Audio

其它更多设置有感兴趣的可以自行研究测试。

点击【Generate】按钮开始生成歌曲。

还可以对生成的或现有歌曲进行二次修改。

【Retake】使用不同的种子重新生成略有变化的音乐

调整差异，以控制重拍与原作的差异程度

【Repainting】 有选择地重新生成音乐的特定部分

指定要重新绘制的部分的开始和结束时间

选择源音频（text2music输出、上次重新绘制或上传）

【Edit】通过更改标签或歌词修改现有音乐

在“only _ lyrics”模式（保留旋律）或“remix”模式（更改旋律）之间进行选择

调整编辑参数以控制保留多少原始内容

【Extend】在现有乐曲的开头或结尾添加音乐

指定左右延伸长度

选择要扩展的源音频

视频教程及效果演示：https://nuowa.net/1916

注意事项

英伟达显卡显存不低于6G

支持英伟达50系列显卡

英伟达20系列或是英伟达显卡显存较低(如12G以下)电脑建议使用低显存模式

使用前请将英伟达显卡驱动更新到最新版本

只支持Windows 10或11

软件运行路径中不要有非英文字符和空格，待处理文件素材也要注意

AI歌曲生成软件ACE-Step一键启动整合包下载链接