ACE-Step：音频生成器 — 功能与运行要求

ACE-Step — 这是一个开源的音频生成器，能将文本描述转化为音频。开发者将其定位为迈向音乐生成基础模型的一步，因此该工具值得那些从事基于文本的声音合成、并希望在自己的硬件上运行模型的人关注。

功能

ACE-Step 解决的是 text-to-audio 任务：输入文本，输出音频文件。作者将项目描述为“迈向音乐生成基础模型的一步”，但参数表中未透露关于支持的音乐类型、生成片段的时长或控制参数的细节。该模型通过 diffusers 库运行，这简化了与现有 Python 管线的集成。

代码和模型权重均为开源。代码许可证为 Apache-2.0，模型权重许可证为 apache-2.0。这允许在不受专有模型常见限制的情况下进行使用和修改。

运行要求

运行需要 8 GB 显存——据作者描述，这是一个降低的要求，使模型“更兼容消费级设备”。作为性能参考，开发者提到了 MacBook M2 Max：生成耗时 26.43 秒，加速系数为 2.27x。这是开发者的声明，而非独立测量结果。

完整的模型权重文件集占用 7.7 GB，最大的文件为 6.2 GB。安装时，作者建议使用 Python 3.10 环境。代码使用 Python 编写，仓库位于 github.com/ace-step/ACE-Step，模型权重位于 huggingface.co/ACE-Step/ACE-Step-v1-3.5B。更多信息可在项目网站上找到：https://ace-step.github.io/。

仓库创建于 2025 年 4 月 28 日，代码最后修改于 2026 年 2 月 15 日。项目正在持续开发，但作者未说明更新频率或开发计划。

适合谁

ACE-Step 对已经使用 diffusers、并希望将 text-to-audio 集成到项目中而无需外部 API 的开发者会很有用。Apache-2.0 开源许可证允许在商业产品和研究项目中使用该模型。

8 GB 显存的要求排除了老旧或入门级显卡的用户，但仍可在现代消费级 GPU 和 M2 Max 级别的笔记本上运行。对于寻找现成 Web 界面服务的人来说，需要通过 Python 和 diffusers 自行配置运行——作者未说明是否有图形界面。

ACE-Step 适合那些愿意处理代码、并希望在自己的机器上控制音频生成过程的用户。开源权重和适中的显存要求使其成为 text-to-audio 实验的一个可行选择，但关于模型音乐能力的细节建议在仓库和项目网站上进一步确认。