许可证：apache-2.0 标签：

• 音乐
• 文本生成音乐 管道标签：文本转音频 语言：
• 英语
• 中文
• 德语
• 法语
• 西班牙语
• 意大利语
• 葡萄牙语
• 波兰语
• 土耳其语
• 俄语
• 捷克语
• 荷兰语
• 阿拉伯语
• 日语
• 匈牙利语
• 韩语
• 印地语 库名称：diffusers

🎵 ACE-Step中文说唱LoRA（说唱机器）

这是一个混合说唱声线模型。我们精心筛选了中文说唱/嘻哈数据集进行训练，并进行了严格的数据清洗和重新标注。训练成果显示：

• 中文发音准确度提升
• 更贴合嘻哈与电子乐风格
• 说唱声线表现力更加多元

音频示例见：https://ace-step.github.io/#RapMachine

使用指南

1. 生成更高质量的中文歌曲
2. 创作优质嘻哈作品
3. 与其他流派融合可：
   • 制作人声质感更细腻的音乐
   • 添加实验性元素（如地下、街头文化风格）
4. 微调推荐参数：

人声控制
vocal_timbre（音色）

• 示例：明亮/暗沉/温暖/冷冽/气声/鼻音/沙哑/平滑/烟嗓/金属感/耳语/共鸣/空灵/烟熏/慵懒/清亮/高亢/撕裂感/爆发力/缥缈感/笛音/空洞/天鹅绒般/尖锐/嘶哑/圆润/单薄/厚重/簧片感/银铃般/鼻音重
• 描述人声本质特质

techniques（技巧列表）

• 说唱风格：模糊说唱/快嘴/旋律说唱/抒情说唱/陷阱flow/倍速说唱
• 声音特效：电音/混响/延迟/失真
• 演绎方式：耳语/呐喊/口语诗/叙事腔/演唱
• 其他：即兴唱词/呼应唱法/和声

社区说明

虽然中文说唱LoRA对非中文社区可能显得小众，但我们通过此类项目持续证明：ACE-step作为音乐生成基础模型具有无限潜力。它不仅提升单一语言的发音表现，更能催生全新风格。

人类对音乐的普世审美是珍贵资产。如同抽象的乐高积木，这些元素终将以更有机的方式组合。愿我们的开源贡献推动音乐史的演进。

ACE-Step：迈向音乐生成基础模型的一步

模型描述

ACE-Step是突破性的开源音乐生成基础模型，通过整体架构设计克服了现有方案的局限性。它融合扩散生成、Sana深度压缩自编码器（DCAE）和轻量级线性变换器，在生成速度、音乐连贯性和可控性方面达到顶尖水平。

核心优势：

• 比LLM基线快15倍（A100显卡4分钟音乐仅需20秒）
• 旋律/和声/节奏的卓越协调性
• 支持全曲生成、时长控制和自然语言描述输入

应用场景

直接应用

适用于：

• 根据文本描述生成原创音乐
• 音乐混音与风格迁移
• 歌词编辑

衍生应用

可作为基础用于：

• 声纹克隆应用
• 细分音乐生成（说唱、爵士等）
• 音乐制作工具
• 创意AI助手

禁用场景

禁止用于：

• 未经授权生成受版权保护内容
• 创作有害或冒犯性内容
• 将AI生成音乐伪造成人类作品

快速开始

详见：https://github.com/ace-step/ACE-Step

硬件性能

RTF（实时系数）值越高代表生成越快

局限性

• 语言差异：前10种语言效果最佳
• 长时生成（>5分钟）可能结构松散
• 稀有乐器还原不完美
• 输出不稳定：对随机种子和输入时长极度敏感，呈现"抽卡式"波动结果
• 风格短板：特定类型（如中文说唱/zh_rap）表现欠佳，存在风格契合度与音乐性天花板
• 衔接瑕疵：补绘/延长操作存在不自然过渡
• 人声质量：合成声线缺乏细腻变化
• 控制粒度：需更精细的音乐参数调控

伦理规范

使用者应：

• 核查生成作品的原创性
• 披露AI参与情况
• 尊重文化元素与著作权
• 避免生成有害内容

模型详情

开发团队： ACE Studio与阶跃函数
模型类型： 基于扩散的变换器条件音乐生成
许可证： Apache 2.0
资源链接：

• 项目主页
• 演示空间
• GitHub仓库

引用格式

@misc{gong2025acestep,
  title={ACE-Step：迈向音乐生成基础模型的一步},
  author={龚俊敏, 赵文潇, 王森, 徐晟源, 郭靖}, 
  howpublished={\url{https://github.com/ace-step/ACE-Step}},
  year={2025},
  note={GitHub仓库}
}

致谢

本项目由ACE Studio与阶跃函数联合主导。