par ACE-Step
Open source · 863 downloads · 13 likes
ACE-Step v1.5 est un modèle open-source de génération musicale conçu pour offrir des performances professionnelles sur du matériel grand public. Il permet de créer des morceaux complets en quelques secondes, même sur des cartes graphiques modestes, tout en garantissant une utilisation commerciale sécurisée grâce à un entraînement basé sur des données licites et libres de droits. Le modèle se distingue par sa polyvalence, offrant un contrôle stylistique précis et des fonctionnalités d'édition avancées comme la conversion voix-en-musique ou la régénération de covers, le tout en respectant les consignes dans plus de 50 langues. Son architecture innovante combine un planificateur basé sur un modèle de langage et un générateur audio par diffusion, optimisé par apprentissage par renforcement interne pour une qualité et une cohérence accrues. Idéal pour les artistes, producteurs et créateurs de contenu, il s'intègre facilement dans les workflows créatifs tout en repoussant les limites de l'IA musicale accessible.
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}
}