最近 AI 音乐圈，有一个名字被频繁提起：ACE-Step 1.5。很多开发者甚至把它称为：“音乐版 Stable Diffusion 时刻。”可以说它是目前 最接近真正产品级能力的开源 AI 音乐模型之一。

而现在，一个好消息来了：谱乐AI 已正式接入 ACE-Step 1.5。现在在谱乐AI里，就可以直接体验这个被很多 AI 开发者疯狂讨论的新模型。

今天我们就来聊聊：ACE-Step 1.5，到底厉害在哪？

ACE-Step 1.5 是什么？

ACE-Step 1.5 是一个开源 AI 音乐基础模型，由 ACE Studio 与 StepFun 联合推出。它的目标非常明确：做一个可以真正进入创作流程的 AI 音乐“基础设施”。

与很多只做简单生成的模型不同，ACE-Step 的定位更像是：音乐生成的基础模型（Music Foundation Model），它不是只给某个平台用，而是任何开发者、任何产品都可以基于它做自己的音乐工具。

也就是说，它不是只会“生成一段音乐”，而是可以成为：AI 作曲工具、AI 音乐编辑工具甚至是AI 音乐制作引擎。现在很多开发者正在基于它构建自己的音乐产品。

它为什么在 AI 音乐圈爆火？

原因其实很简单：它同时解决了 AI 音乐的三个最常被吐槽问题。速度、质量、可控性。

Commercial-grade AI music generation on AMD Ryzen™ AI processors and Radeon™ graphics with ACE Step 1.5

在 ACE-Step 1.5 中，生成一首 4 分钟歌曲只需约 20 秒（A100 GPU），在消费级 GPU 上也能快速生成音乐。这意味着创作者可以：不断试错、快速迭代灵感。创作效率直接翻倍。

很多 AI 音乐会出现一个问题：听起来像拼接的片段。而 ACE-Step 的设计目标之一，就是解决这个问题。它能够保持：旋律连续性、节奏稳定性、和声结构一致。整体音乐听起来更像一首真正的完整作品。

ACE-Step 1.5 不只是“生成音乐”，它还提供了一整套音乐编辑能力，例如：

这些能力让 AI 音乐从 “随机生成” 变成 “可控创作”。

它的技术路线也很特别

ACE-Step 1.5 的技术思路很有意思，它采用了一种比较新的架构：LM + Diffusion Transformer。

简单理解就是：很多 AI 生成音乐，其实是“边想边唱”。想到哪儿唱到哪儿，所以有时候会出现一种感觉——旋律是好听的，但整首歌像是临时拼出来的。

ACE-Step 在真正生成音乐之前，它会先把整首歌的大方向想清楚，比如：

这首歌是什么情绪？是轻快、热血，还是有点伤感？

结构大概怎么走？哪里是主歌，哪里是副歌？

歌词表达的核心是什么？

等这些想明白之后，它才开始把音乐一点点生成出来。你可以把这个过程想象成写歌：先把 故事和结构搭好，再去 填旋律和声音细节。

这样做的好处很明显——生成出来的音乐，往往会更像一首完整的歌，而不是一段段随机的旋律拼在一起。情绪会更连贯，段落也更清晰。

很多研究者也认为，这种“先构思、再生成”的思路，很可能会成为未来 AI 音乐模型的一种重要方向。

还有一个很关键的点：

它是开源的。

ACE-Step 1.5 采用 MIT 许可证，允许商业使用，并且支持在消费级硬件上运行。开发者不仅可以自由使用这个模型，还可以在它的基础上做二次开发，甚至用于商业产品。同时，它对硬件要求也没有那么“高不可攀”，很多普通显卡就能跑起来。

这对 AI 音乐行业来说意义重大：在过去一段时间里，AI 音乐最强的能力基本都集中在少数几个平台手里。像 Suno AI、Udio 这样的产品，确实做出了很惊艳的效果，但模型本身是完全封闭的。用户可以使用工具，却看不到模型，也很难在它的基础上继续做新的东西。

ACE-Step 的出现，也许就是一个信号：AI 音乐可能正在进入一个类似当年 AI 绘画的发展阶段——当开源模型出现之后，创新的速度往往会突然加快。

现在，你可以直接在谱乐AI体验它

为了让更多创作者体验这项能力，谱乐AI 已正式接入 ACE-Step 1.5。

不用复杂部署，也不用折腾本地环境。打开谱乐AI，就能开始创作。

如果你已经体验了 ACE-Step 1.5，也欢迎来分享你的作品。

说不定下一首 AI 爆款音乐，就诞生在你的灵感里。