AI-bild, video och ljud · Musikgenerering
Musikgenerering på egen GPU: text till färdig låt med sång eller instrumental, via Gradio, CLI eller REST-API och även som Docker-container.
Betyg 76 av 100 Preliminär (källbaserad)
Läs bedömningenProjektet dokumenterar ett asynkront HTTP-API i den egna distributionen: en uppgift skickas till /release_task och resultatet hämtas med /query_result.
Källa: Projektets API-dokumentation
Kontrollerat:
Varken kärnan eller den officiella distributionen innehåller en MCP-server, och någon etablerad tredjepartsserver finns inte.
Källa: Projektets repo och dokumentation
Kontrollerat:
Totalbetyg
76 av 100
Preliminär (källbaserad)
MIT enligt LICENSE (raw.githubusercontent.com/ace-step/ACE-Step-1.5/main/LICENSE, läst 2026-10-30). Även modellvikterna är MIT: Hugging Face-korten för ACE-Step/acestep-v15-base, acestep-v15-xl-base, acestep-v15-xl-sft, acestep-v15-xl-turbo och Ace-Step/Ace-Step1.5 anger license: mit (kontrollerat via HF-API 2026-10-30). Självdrift via docker-compose och ghcr, utdata i öppna ljudformat; den hostade tjänsten acemusic.ai är ett separat erbjudande och inget driftkrav.
README dokumenterar text-till-låt med sång eller instrumental, 10 sekunder till 10 minuter, batch om upp till åtta låtar, cover, repaint av valda partier, stämsseparering, vocal2BGM och LoRA-träning. Luckor: kvaliteten varierar mellan 2B- och XL-modellerna och stilar kan ligga nära skyddade verk, så publicering kräver juridisk granskning.
REST-API:t är dokumenterat i docs/en/API.md med POST /release_task och POST /query_result (task_id och statuspolling), och det finns CLI och Python-API. Utdata är wav/mp3-filer med metadata som BPM och tonart. Det saknas export av projekt/sessioner eller av hela genereringshistoriken, så täckningen är inte fullständig.
v0.1.x: releases.atom visar v0.1.8 (2026-05-18) med tät utgåvecykel (v0.1.2–v0.1.8 mellan februari och maj 2026). Dokumentation på engelska, kinesiska, japanska och koreanska samt tester i repot, men kodbasen är ung och modellserien 1.5 lanserades 2026; ingen verifierad säkerhetspolicy hittad.
Väldokumenterat asynkront REST-API med autentisering och cURL-exempel, CLI-wizard och Python-API — verklig automation är möjlig och arkitekturen (api_server.py, cli_args.py) är rimligt underhållbar. Ingen MCP-server, inga webhooks och ingen belagd agentintegration, vilket håller nivån under 4.
Docker compose med image ghcr.io/ace-step/ace-step-1.5 startar Gradio på 7860 eller REST på 8001 (ACESTEP_MODE=api). Compose-filen reserverar NVIDIA-GPU; grundmodellen ryms under 6 GB VRAM med offload, XL kräver minst 12 GB (20 GB rekommenderat), och modellvikterna laddas ner vid första körningen. Hanterbart för van IT men kräver GPU-kompetens.
0 kr i licens (MIT för kod och vikter). TCO-antaganden: GPU med minst 6 GB VRAM (12–20 GB för XL), några GB modellagring per modell, el och kylning samt arbetstid för att följa en ung 0.1.x-kodbas. Ingen betald support finns att köpa.
Negativ kontroll utförd: acestep/ui/gradio/i18n innehåller en.json, he.json, ja.json, pt.json, zh.json och i18n.py — ingen sv.json. README:s dokumentationstabell listar engelska, kinesiska, japanska och koreanska, ingen svensk. Sångtext kan skrivas på många språk, men svensk sångkvalitet är inte verifierad och lyfter därför inte nivån.
## Vad det gör
ACE-Step 1.5 gör musik av en textbeskrivning. En språkmodell bygger en låtplan med tempo, tonart, text och stil, och en diffusionstransformator renderar ljudet. Längden ställs från 10 sekunder till 10 minuter; upp till åtta låtar kan köras i batch. Utöver ren generering finns cover, repaint av valda partier, stämsseparering, automatiskt komp till sång samt metadata som BPM och tonart.
Sångtext kan skrivas på 50+ språk, och en egen LoRA-stil går att träna från ett fåtal låtar.
## Driftsättning
Projektet körs som Docker-container via docker-compose.yml med image på ghcr.io/ace-step/ace-step-1.5. Standardläget startar Gradio på port 7860; med ACESTEP_MODE=api startar i stället REST-servern på port 8001. Utan container går det att köra med uv och Python 3.11–3.12; startskript finns för Linux, Windows och macOS. Modellvikterna hämtas automatiskt vid första körningen.
## Vad som krävs
CUDA-grafikkort rekommenderas; ROCm, Intel XPU, Apples MPS och ren CPU stöds, men långsammare. Enligt projektets tabell ryms grundmodellen under 6 GB VRAM med offload och kvantisering, medan XL-modellerna kräver minst 12 GB med offload och 20 GB rekommenderat. Räkna med några GB nedladdning före första låten.
4 skärmbilder. Välj en bild för att visa den i full storlek. Svep i sidled för fler.
AI-bild, video och ljud · Nodbaserat gränssnitt och lokalt inferensgränssnitt för generativ AI
ComfyUI är en nodbaserad motor för bild- och videogenerering, där diffusionsmodeller som Stable Diffusion och Flux kopplas ihop till körbara arbetsflöden.
AI-bild, video och ljud · Inferensmotor för bild- och videogenerering i ren C/C++ på ggml
Diffusionsmodeller i ren C/C++: kör Stable Diffusion, FLUX och Wan på CPU eller GPU, med kommandoradsverktyg, webbgränssnitt och HTTP-API i samma binär.
