ACE-Step V3版 - 用AI玩转专业音乐创作 更新ACE-Step v1.5模型 小白创作音乐，支持50系显卡 一键整合包下载

无言***

ACE-Step V3版 - 用AI玩转专业音乐创作 更新ACE-Step v1.5模型 小白创作音乐，支持50系显卡 一键整合包下载 ...

ACE-Step V1.5 是一个开源的 AI 音乐生成工具，它能在普通电脑上快速生成高质量的歌曲，功能比很多商业音乐 AI 还强。你只要输入简单的描述，它就能帮你做出完整的音乐作品。

简单的说，它让你的家用电脑（哪怕显卡只有4～8GB显存）也能几秒钟做出接近Suno、Udio那种商用级、带人声+完整结构的AI歌曲，而且完全免费、本地跑、不用联网。你只需要给它一个简单的提示（比如“欢快的电子舞曲”），它就能在几秒钟内生成一首完整的歌，还能附带歌词和描述。如果你想让它更像你自己的风格，只要喂几首你喜欢的歌，它就能学会并模仿。并且支持歌曲翻唱和片段修改，普通小白也能创作出专业的音乐和歌曲。


今天分享的ACE-Step V3版基于最新的ACE-Step v1.5模型制作，在官方WebUI的基础上做了本地化功能和bug修复，自动根据本地设备显存调节参数，最低4G显存即可运行。
相比之前分享的傻瓜AI音乐创作工具，它更像是一个专业的AI音乐创作工具，除了傻瓜式的一键生成，还支持高级参数调教，同样适合专业的音乐创作人。




核心特点

速度快：在高端显卡（A100）上生成一首歌只需 2 秒左右，在 RTX 3090 上不到 10 秒；普通显卡只要有 4GB 显存也能跑。  
高质量：生成效果接近甚至超过一些商业产品（比如 Suno v4.5/v5）。  
多样化风格：支持 1000+ 种乐器和风格，还能精细控制音色。  
多语言歌词：支持 50+ 种语言，能根据提示生成歌词并保持结构和风格。  
灵活时长：可以生成从 10 秒到 10 分钟的音乐。  
批量生成：一次可以同时生成多首歌（最多 8 首）。




特殊功能

翻唱与改编：能把已有音频改成不同风格的翻唱。  
局部编辑：支持“重绘”，只修改歌曲的一部分。  
人声转伴奏：可以把人声自动转成背景音乐。  
多轨生成：像专业音乐软件一样，可以给歌曲加层次。  
参数控制：能指定节奏（BPM）、调性、拍号等。  
歌词时间轴：自动生成 LRC 歌词文件。  
个性化训练：只需几首歌，就能用 LoRA 微调出自己的风格。




使用教程：（建议N卡，显存4G起，支持50系显卡）


下载主程序压缩包和模型文件（checkpoints文件夹），解压主程序，并把模型文件移动到主程序目录下

支持多种创作模式，简洁模式、自定义模式、翻唱模式、局部编辑模式
简洁模式：输入音乐风格和主体，AI自动一键创作，包含伴奏和歌词及人声演唱。
自定义模式：自定义输入歌曲风格、歌词以及各种高级参数，一键生成自定义歌曲。
翻唱：支持创作的音乐二次翻唱创作，也支持现有歌曲翻唱，保留旋律结构但风格不同。
局部编辑：可选择音乐片段进行修改，比如曲风和歌词。


自带两种模型：turbo和shift3两种
如果你需要精确控制音乐结构（比如分段生成、风格切换），推荐使用 shift3。  
如果你想要快速生成长时间连续的音乐（如背景音乐、氛围音轨），可以尝试turbo

软件目录结构

📂 ACE-Step-V3/
├── 📂 acestep/
├── 📂 checkpoints/
│   ├── 📂 acestep-5Hz-lm-1.7B/
│   │      └── model.safetensors
│   ├── 📂 acestep-v15-turbo/
│   │      └── model.safetensors
│   ├── 📂 acestep-v15-turbo-shift3/
├── 📂 deepface/
......


下载地址：
夸克网盘：https://pan.quark.cn/s/3d939221d79e
百度网盘：

游客，上上宾会员可免费下载该资源，点此开通上上宾 免费下载全站99%的付费资源。或单独支付 30碎银 下载该资源立即购买

无言***

关于提示词
可以输入简短的风格描述，比如“female vocals,rap,modern,hip hibhi, Indian fusion,whispered.”
然后点击下方的格式化

关于歌词
包含 Intro -> Verse 1 -> Chorus -> Verse 2 -> Chorus -> Outro几个标签

无言***

歌词也可以借助大语言模型，比如千问，ChatGPT，豆包等
输入以下提示词

1. # Role
   
2. 你现在是 ACE-Step 1.5 模型的专家级提示词工程师和资深音乐制作人。你的任务是根据用户的主题，生成能驱动 ACE-Step 1.5 创作出高质量（90-120秒）歌曲的完整配置方案。
   
3. 
   
4. # ACE-Step 1.5 Technical Context (技术背景)
   
5. 1. **架构**：该模型使用 LLM 进行结构规划，DiT 进行声音渲染。因此，提示词需要兼顾“逻辑结构”和“声音细节”。
   
6. 2. **格式偏好**：
   
7.    - **Tags (标签式)**：适合 ComfyUI，用逗号分隔，堆叠风格、乐器、情绪、人声特征。
   
8.    - **Narrative (叙述式)**：适合 Playground，用自然语言详细描述编曲层次。
   
9. 3. **时长控制**：目标生成 90-120 秒。这意味着歌词结构不能太长，通常包含 Intro -> Verse 1 -> Chorus -> Verse 2 -> Chorus -> Outro 即可。
   
10. 4. **强效词汇**：模型对具体的合成器型号（如 TB-303, DX7）、鼓机（TR-808/909）、混音术语（Sidechain Compression）以及具体乐理（Phrygian Mode）敏感。
    
11. 
    
12. # Task
    
13. 当用户提供一个简短的主题（例如：“赛博朋克风格的雨夜” 或 “一首关于失恋的悲伤民谣”）时，你需要输出以下三个部分：
    
14. 
    
15. ## Part 1: ComfyUI Tags (标签式提示词)
    
16. - 格式：英文，逗号分隔。
    
17. - 必须包含：具体的流派 (Genre)、乐器 (Instruments)、情绪 (Mood)、速度 (BPM)、人声风格 (Vocal Style)。
    
18. - *技巧*：加入 "High fidelity", "Studio quality", "Masterpiece" 等质量词。
    
19. 
    
20. ## Part 2: Narrative Prompt (叙述式提示词)
    
21. - 格式：一段 3-4 句的英文描述。
    
22. - 内容：像乐评人一样描述这首歌。例如：“这首歌以...开始，低音部分使用了...，人声是...风格，营造了...的氛围。”
    
23. 
    
24. ## Part 3: Structured Lyrics (结构化歌词)
    
25. - 语言：根据用户要求（默认为中文或用户指定语言）。
    
26. - 结构标签：必须使用 `[intro]`, `[verse]`, `[chorus]`, `[bridge]`, `[outro]` 等标签包裹。
    
27. - 长度：严格控制在 90-120 秒的体量（约 150-200 字左右）。
    
28. 
    
29. # Constraints
    
30. - 歌词不要过长，确保能在 2 分钟内唱完。
    
31. - 如果是器乐曲 (Instrumental)，Part 3 则输出 "No lyrics / Instrumental"。
    
32. - 保持专业性，使用具体的音乐术语（如 "Slap Bass", "Arpeggiated Synth"）。

复制代码

然后等待再次输入你的风格要求，比如伤感民谣，流行舞曲等，等待LLM返回提示词和歌词，分别在WebUI对应的输入框里填上即可。