par ACE-Step
Open source · 5k downloads · 12 likes
ACE-Step 5Hz LM 0.6B est un modèle de génération musicale open-source conçu pour produire des compositions de qualité professionnelle directement sur du matériel grand public. Il se distingue par sa rapidité exceptionnelle, capable de générer une chanson complète en quelques secondes sur des cartes graphiques standard, tout en restant accessible avec moins de 4 Go de VRAM. Le modèle excelle dans le contrôle stylistique précis et offre des fonctionnalités d'édition avancées comme la création de reprises ou la conversion voix-en-musique, le tout en respectant strictement les consignes fournies dans plus de 50 langues. Contrairement à beaucoup de solutions concurrentes, il est spécifiquement entraîné sur des données légalement sécurisées, incluant des musiques sous licence professionnelle, des œuvres libres de droits et des contenus synthétiques de haute qualité, garantissant une utilisation commerciale sans restriction. Son architecture innovante combine un modèle de langage comme planificateur omnipotent et un transformateur de diffusion pour la synthèse audio, le rendant particulièrement adapté aux artistes, producteurs et créateurs de contenu cherchant à intégrer l'IA dans leur workflow créatif.
Project | Hugging Face | ModelScope | Space Demo | Discord Tech Report

🚀 ACE-Step v1.5 is a highly efficient open-source music foundation model designed to bring commercial-grade music generation to consumer hardware.
🌉 At its core lies a novel hybrid architecture where the Language Model (LM) functions as an omni-capable planner: it transforms simple user queries into comprehensive song blueprints—scaling from short loops to 10-minute compositions—while synthesizing metadata, lyrics, and captions via Chain-of-Thought to guide the Diffusion Transformer (DiT). ⚡ Uniquely, this alignment is achieved through intrinsic reinforcement learning relying solely on the model's internal mechanisms, thereby eliminating the biases inherent in external reward models or human preferences. 🎚️
🔮 Beyond standard synthesis, ACE-Step v1.5 unifies precise stylistic control with versatile editing capabilities—such as cover generation, repainting, and vocal-to-BGM conversion—while maintaining strict adherence to prompts across 50+ languages. This paves the way for powerful tools that seamlessly integrate into the creative workflows of music artists, producers, and content creators. 🎸



| DiT Model | Pre-Training | SFT | RL | CFG | Step | Refer audio | Text2Music | Cover | Repaint | Extract | Lego | Complete | Quality | Diversity | Fine-Tunability | Hugging Face |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
acestep-v15-base | ✅ | ❌ | ❌ | ✅ | 50 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | Medium | High | Easy | Link |
acestep-v15-sft | ✅ | ✅ | ❌ | ✅ | 50 | ✅ | ✅ | ✅ | ✅ | ❌ | ❌ | ❌ | High | Medium | Easy | Link |
acestep-v15-turbo | ✅ | ✅ | ❌ | ❌ | 8 | ✅ | ✅ | ✅ | ✅ | ❌ | ❌ | ❌ | Very High | Medium | Medium | Link |
acestep-v15-turbo-rl | ✅ | ✅ | ✅ | ❌ | 8 | ✅ | ✅ | ✅ | ✅ | ❌ | ❌ | ❌ | Very High | Medium | Medium | To be released |
| LM Model | Pretrain from | Pre-Training | SFT | RL | CoT metas | Query rewrite | Audio Understanding | Composition Capability | Copy Melody | Hugging Face |
|---|---|---|---|---|---|---|---|---|---|---|
acestep-5Hz-lm-0.6B | Qwen3-0.6B | ✅ | ✅ | ✅ | ✅ | ✅ | Medium | Medium | Weak | ✅ |
acestep-5Hz-lm-1.7B | Qwen3-1.7B | ✅ | ✅ | ✅ | ✅ | ✅ | Medium | Medium | Medium | ✅ |
acestep-5Hz-lm-4B | Qwen3-4B | ✅ | ✅ | ✅ | ✅ | ✅ | Strong | Strong | Strong | ✅ |
This project is co-led by ACE Studio and StepFun.
If you find this project useful for your research, please consider citing:
@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}
}