Was ist ACE-Step 1.5?
ACE-Step 1.5 ist ein offenes Musikmodell, gemeinsam geleitet von ACE Studio und StepFun. Ein kleines Sprachmodell (0,6B, 1,7B oder 4B, auf Basis von Qwen3) plant den Song und schreibt Metadaten, Text und Beschreibungen, und ein Diffusion-Transformer rendert das Audio. Es erzeugt Songs mit Gesang von 10 Sekunden bis 10 Minuten, mit Texten in mehr als 50 Sprachen.
Gewichte und Code stehen unter MIT-Lizenz, und laut Team sind die Trainingsdaten lizenziert, lizenzfrei oder synthetisch, die Ergebnisse also kommerziell nutzbar. Das Standard-Turbo-Modell braucht unter 4 GB VRAM. Am 2. April 2026 folgte eine XL-Serie mit einem Decoder mit 4B Parametern für höhere Qualität, die mit Offloading mindestens 12 GB braucht.
Neben Text-zu-Musik macht es Coverversionen, Repainting eines gewählten Abschnitts, Stem-Trennung, zusätzliche Spuren, Begleitung zu einer Gesangsspur und LoRA-Feintuning aus wenigen Songs.
Lohnt sich ACE-Step 1.5?
ACE-Step 1.5 ist das offene Musikmodell, das die meisten Leute tatsächlich betreiben und kommerziell nutzen können. Es steht unter MIT-Lizenz, das Turbo-Modell braucht weniger als 4 GB VRAM, und laut README rendert es einen kompletten Song in unter 10 Sekunden auf einer RTX 3090 und in unter 2 Sekunden auf einer A100. Es läuft auch auf Apple Silicon, AMD, Intel-GPUs und CPU, wo MiniMax Music 3 und YuE2 NVIDIA brauchen.
Es hat den umfangreichsten Werkzeugkasten zur Bearbeitung unter den offenen Song-Modellen, die wir besprechen. Neben bis zu 10 Minuten aus Prompt und Text übermalt es einen gewählten Abschnitt, trennt Stems, fügt einem bestehenden Track Spuren hinzu, schreibt die Begleitung zu einer Gesangsspur und liest BPM und Tonart aus Audio. Eine LoRA auf 8 eigenen Songs zu trainieren dauert laut README etwa eine Stunde auf einer RTX 3090 mit 12 GB. Die Gradio-App und ein REST-Server liegen im selben Repository, das 14.478 GitHub-Sterne hat.
Der Haken: Die Qualität liegt eine Stufe unter den neuesten offenen Konkurrenten. Das Team verortet es zwischen Suno v4.5 und Suno v5; auf dem WildSongBench des YuE2-Teams kam es auf einen SongBench-Durchschnitt von 6,0118, gegenüber 6,2830 bei MiniMax Music 3 und 6,7316 bei YuE2, wobei sein Text mit einer Phonem-Fehlerrate von 7,46 % gut verständlich war. Seine Coverversionen behalten die Originalmelodie nicht: Auf SHS100K wurde der Quellsong in 2,4 % der Fälle erkannt, gegenüber 71,3 % bei YuE2 mit Partitur. Der XL-Decoder klingt besser, braucht aber 12 GB mit Offloading und 20 GB ohne. Die Aussage zu lizenzierten Daten stammt vom Team, und die Karte nennt nur Datenkategorien, keine Quellen.
Unser Fazit: Für ein Spielestudio, einen Videomacher oder einen App-Entwickler, der veröffentlichbare Songs aus einem Modell braucht, das auf eine normale GPU oder einen Mac passt, ist ACE-Step 1.5 die offene Standardwahl; MiniMax Music 3 lohnt die größere GPU, wenn der Feinschliff des Gesangs am meisten zählt.
Wo es sich lohnt
Ein Indie-Spieleentwickler mit einer 6-GB-Laptop-GPU
Ein Dutzend Hintergrundtracks und ein gesungenes Titelthema erstellen
Starte das Turbo-Modell mit dem 0,6B-Planer in der Gradio-App; jeder Track dauert Sekunden, die MIT-Lizenz erlaubt die Auslieferung im Spiel, und Repainting repariert eine schwache Bridge, ohne den Rest neu zu erzeugen.
Ein Produzent, der auf dem Mac arbeitet
Dem Modell den eigenen Stil beibringen und Tracks in einer DAW fertigstellen
Nutze das macOS-Startskript (MLX), trainiere eine LoRA auf 8 eigenen Songs und trenne das Ergebnis zum Mischen in Stems; die README-Angabe von etwa einer Stunde Training gilt für eine RTX 3090 mit 12 GB, Zeiten für den Mac sind nicht veröffentlicht.
Das Backend-Team eines SaaS-Videoeditors
Nutzern generierte Soundtracks ohne API-Gebühren pro Song anbieten
Betreibe acestep-api, den mitgelieferten REST-Server, auf GPU-Instanzen und erzeuge bis zu 8 Songs pro Aufruf; ohne Lizenzgebühr sind die Kosten allein GPU-Zeit.
Bevor du dich festlegst
- Einrichtung
- Mit uv installieren, dann die Gradio-App auf Port 7860 oder die REST API auf Port 8001 starten; Startskripte gibt es für Windows, Linux und macOS, dazu ein portables Mac-Paket. Halte diese Ports aus dem öffentlichen Internet heraus, solange du keine Zugriffskontrolle ergänzt.
- Integrationen
- Python-Inferenz-API, REST API, Gradio-Oberfläche und ComfyUI-Nodes, dazu das Community-Toolkit Side-Step für fortgeschrittenes LoRA-Training.
- Daten und Datenschutz
- Selbst gehostet bleiben Prompts und Audio lokal, außer du nutzt acemusic.ai. Laut Team wurde mit lizenzierter Musik, lizenzfreier und gemeinfreier Musik sowie synthetischem, aus MIDI gerendertem Audio trainiert.
- Kosten im großen Maßstab
- Keine Lizenzgebühren in jedem Umfang; die Kosten sind GPU-Zeit, mit bis zu 8 Songs pro Batch.
- Grenzen
- 10 Sekunden bis 10 Minuten pro Song; bei 6 GB VRAM oder weniger ist das Planer-Modell standardmäßig aus; XL braucht 12 GB mit Offloading und Quantisierung oder 20 GB ohne; Coverversionen verändern die Melodie.
Was gut ist
- MIT-Lizenz; kommerzielle Nutzung erlaubt
- Turbo-Modell läuft mit unter 4 GB VRAM; ein Song in unter 10 Sekunden auf einer RTX 3090
- 10 Sekunden bis 10 Minuten, Texte in 50+ Sprachen
- Repainting, Stems, Spuren, Begleitung zu Gesang und LoRA-Training
- Läuft auf CUDA, Apple Silicon, AMD ROCm, Intel und CPU
Was nicht
- Niedrigere WildSongBench-Werte als MiniMax Music 3 und YuE2
- Coverversionen behalten die Quellmelodie nicht
- XL-Qualität braucht 12 bis 20 GB VRAM
- Trainingsdaten nur nach Kategorien beschrieben
- Kernmodell stammt vom Januar 2026
Am besten für
Entwickler, Spielestudios und Videomacher, die kommerziell nutzbare Songs aus einem Modell brauchen, das auf einer normalen GPU oder einem Mac läuft.
Alternativen zu ACE-Step 1.5
ACE-Step 1.5: häufige Fragen
- Lohnt sich ACE-Step 1.5?
- ACE-Step 1.5 ist das offene Musikmodell für den Einstieg: MIT-lizenziert, schnell auf einer bescheidenen GPU und voller Bearbeitungswerkzeuge, auch wenn die neuesten offenen Konkurrenten besser klingen. Wir bewerten es mit 4.3 von 5.
- Was kostet ACE-Step 1.5?
- Kostenlos unter MIT-Lizenz, kommerzielle Nutzung inklusive. Die gehostete App des Teams auf acemusic.ai ist kostenlos. Das Turbo-Modell läuft selbst gehostet auf einer GPU mit unter 4 GB VRAM.
- Welche Nachteile hat ACE-Step 1.5?
- Niedrigere WildSongBench-Werte als MiniMax Music 3 und YuE2; Coverversionen behalten die Quellmelodie nicht; XL-Qualität braucht 12 bis 20 GB VRAM; Trainingsdaten nur nach Kategorien beschrieben; Kernmodell stammt vom Januar 2026.
- Für wen eignet sich ACE-Step 1.5?
- Entwickler, Spielestudios und Videomacher, die kommerziell nutzbare Songs aus einem Modell brauchen, das auf einer normalen GPU oder einem Mac läuft.
- Was kostet ACE-Step 1.5 für ein Team oder im Produktivbetrieb?
- Keine Lizenzgebühren in jedem Umfang; die Kosten sind GPU-Zeit, mit bis zu 8 Songs pro Batch.
- Ist ACE-Step 1.5 sicher für Firmendaten?
- Selbst gehostet bleiben Prompts und Audio lokal, außer du nutzt acemusic.ai. Laut Team wurde mit lizenzierter Musik, lizenzfreier und gemeinfreier Musik sowie synthetischem, aus MIDI gerendertem Audio trainiert.
- Was sind die besten Alternativen zu ACE-Step 1.5?
- Die nächsten Alternativen, die wir getestet haben, sind MiniMax Music 3, YuE2-3B und Stable Audio 3.0 Medium.
Antworten geprüft am 7. Nov. 2026.
Du entwickelst ACE-Step 1.5? Zeig diese Bewertung auf deiner Website
