项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-02 · 当前星标 ★ 14799
使用教程
环境要求
- Python 3.11-3.12(Windows 上使用 ROCm 必须为 Python 3.12)
- 推荐使用 CUDA GPU,同时支持 MPS / ROCm / Intel XPU / CPU
- XL(4B DiT)模型需 ≥12GB 显存(开启 offload),推荐 ≥20GB
- 需要能访问 GitHub 及模型下载源的网络环境
安装与启动步骤
-
1安装 uv (macOS/Linux)
在 macOS 或 Linux 终端执行该命令,安装官方推荐的 uv 包管理器,用于后续同步依赖与运行项目。
curl -LsSf https://astral.sh/uv/install.sh | sh -
2安装 uv (Windows)
Windows 用户在 PowerShell 中执行该命令安装 uv;两种系统的 uv 只需安装一次。
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" -
3克隆项目仓库
把 ACE-Step-1.5 源码下载到本地,命令会在当前目录创建 ACE-Step-1.5 文件夹。
git clone https://github.com/ACE-Step/ACE-Step-1.5.git -
4进入目录并装依赖
先进入项目目录,再用 uv sync 按项目锁定的依赖创建虚拟环境并安装全部依赖包,耗时较长请耐心等待。
cd ACE-Step-1.5 uv sync -
5启动 Web UI
运行 acestep 启动 Gradio 界面,首次运行会自动下载模型权重,下载完成后终端会打印本地访问地址。
uv run acestep
如何确认成功
终端无报错并输出 Gradio 访问地址,浏览器打开该地址能看到音乐生成界面即为启动成功。
常见问题
Q:没有独立显卡可以跑吗?
A:可以。README 说明除 CUDA GPU 外还支持 MPS / ROCm / Intel XPU / CPU,只是速度较慢;也可直接使用官网 acemusic.ai 免费在线体验。
Q:首次启动为什么要等很久?
A:模型权重会在首次运行时自动下载,耗时取决于网速与所选模型大小;下载完成后再次启动会快很多。
Q:Windows 上用 AMD ROCm 报错怎么办?
A:按 README 说明,Windows 上的 ROCm 需要 Python 3.12,因为 AMD 官方仅提供 Python 3.12 的 wheel。
Q:想用音质更好的 XL 模型要什么显卡?
A:XL(4B DiT)系列需 ≥12GB 显存(配合 offload),官方推荐 ≥20GB;所有 LM 模型均完全兼容。
Q:除了网页界面还有别的用法吗?
A:README 还列出 Python API、REST API、CLI 以及 VST3 插件四种用法,分别见 docs 目录下的对应指南。
注意事项
- README 未给出默认端口、配置项和模型路径等信息,需要时请查阅 docs/en/INSTALL.md 与 docs/en/GRADIO_GUIDE.md。
- 首次运行会自动下载模型,请预留足够的磁盘空间和稳定的网络环境。
- Python 版本需为 3.11-3.12,版本不符可能导致依赖安装失败。
- 若不想本地部署,可直接使用 acemusic.ai 在线服务,免费且无需 GPU。
核心亮点
- 支持 Mac、AMD、Intel、CUDA 多硬件后端,兼容性明显优于只吃 N 卡的同类模型
- 本地推理,不依赖云端 API,隐私和版权风险低,可无限次生成
- 星标近 1.3 万,社区活跃,文档和示例相对完整,上手门槛较低
不足之处
- 模型体积和推理显存需求不小,低配设备生成速度可能较慢
- 官方宣称超越商业方案,实际音质和风格控制力仍需按场景验证
适用场景
- 独立游戏开发者批量生成免版权背景音乐
- 视频创作者为短片快速配乐并反复调整风格
- 研究者本地实验文本到音乐模型,做微调和对比
替代项目
MusicGen、Stable Audio Open
上一篇:heartlib
下一篇:ComfyUI-FL-YuE2
同类项目推荐
ai-dj
开源
现场演出中实时用 AI 生成音乐,保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···
tiktok-tts
开源
一行代码调用 TikTok 语音合成,快速生成 MP3 音频。
Provides a simple way to generate text-to-speech audio files using TikTok's text-to-···
ProDiff
开源
极速扩散语音合成,快过实时,质量不减
PyTorch Implementation of ProDiff (ACM-MM'22) with a Extremely-Fast diffusion speech···
VyvoTTS
开源
用LLM思路自己训练TTS模型,从数据到推理全流程
VyvoTTS: LLM-Based Text-to-Speech Training Framework
wavegrad
开源
几步生成高保真语音,比 WaveNet 快几十倍
A fast, high-quality neural vocoder.
Dot
开源
本地跑通 TTS+RAG+LLM,离线也能玩转 AI 语音和问答。
Text-To-Speech, RAG, and LLMs. All local!
wtonec
开源
给微信/QQ加装语音增强和文字转语音,聊天更个性
Wtonec:微信 / QQ / 小红书 / 抖音文字转语音、语音包、语音播报、克隆音色、表情包。上百···
VODER
开源
一句话克隆你的声音,轻松实现语音转换与合成
Voice Operation and Design Engine with Reproduction capabilities
StreamingKokoroJS
开源
浏览器里无限量本地语音合成,告别云端依赖
Unlimited text-to-speech in the Browser using Kokoro-JS, 100% local, 100% open sourc···
