¿Qué es ACE-Step 1.5?
ACE-Step 1.5 es un modelo abierto de música codirigido por ACE Studio y StepFun. Un modelo de lenguaje pequeño (0,6B, 1,7B o 4B, basado en Qwen3) planifica la canción, escribiendo metadatos, letra y descripciones, y un transformer de difusión genera el audio. Produce canciones con voz de 10 segundos a 10 minutos, con letras en más de 50 idiomas.
Pesos y código tienen licencia MIT, y el equipo afirma que los datos de entrenamiento son con licencia, libres de derechos o sintéticos, así que los resultados pueden usarse comercialmente. El modelo turbo por defecto necesita menos de 4 GB de VRAM. El 2 de abril de 2026 llegó una serie XL con un decodificador de 4B parámetros para más calidad, que necesita al menos 12 GB con descarga a CPU.
Además de texto a música hace versiones, repintado de una sección elegida, separación de pistas, capas añadidas, acompañamiento para una voz cantada y ajuste fino LoRA a partir de unas pocas canciones.
¿Merece la pena ACE-Step 1.5?
ACE-Step 1.5 es el modelo abierto de música que más gente puede ejecutar y usar comercialmente de verdad. Tiene licencia MIT, el modelo turbo necesita menos de 4 GB de VRAM y, según el README, genera una canción completa en menos de 10 segundos en una RTX 3090 y en menos de 2 segundos en una A100. También funciona en Apple Silicon, AMD, GPU Intel y CPU, donde MiniMax Music 3 y YuE2 necesitan NVIDIA.
Tiene el conjunto de herramientas de edición más amplio de los modelos abiertos de canciones que cubrimos. Además de generar hasta 10 minutos a partir de un prompt y una letra, repinta una sección elegida, separa pistas, añade capas a una pista existente, escribe el acompañamiento de una voz cantada y lee el BPM y la tonalidad de un audio. Entrenar una LoRA con 8 de tus canciones lleva alrededor de una hora en una RTX 3090 de 12 GB, según el README. La app Gradio y un servidor REST vienen en el mismo repositorio, que tiene 14.478 estrellas en GitHub.
La pega: la calidad está un escalón por debajo de los rivales abiertos más nuevos. El equipo lo sitúa entre Suno v4.5 y Suno v5; en el WildSongBench del equipo de YuE2 obtuvo una media SongBench de 6,0118, frente a 6,2830 de MiniMax Music 3 y 6,7316 de YuE2, aunque su letra se entendía bien, con una tasa de error de fonemas del 7,46 %. Sus versiones no conservan la melodía original: identificó la canción de origen el 2,4 % de las veces en SHS100K, frente al 71,3 % de YuE2 con partitura. El decodificador XL suena mejor pero necesita 12 GB con descarga a CPU y 20 GB sin ella. La afirmación sobre datos con licencia viene del equipo, y la ficha solo nombra categorías de datos, no fuentes.
Nuestra opinión: para un estudio de videojuegos, un creador de vídeo o un desarrollador de apps que necesita canciones que pueda publicar con un modelo que cabe en una GPU normal o un Mac, ACE-Step 1.5 es la opción abierta por defecto; MiniMax Music 3 compensa la GPU más grande cuando lo que más importa es el acabado de la voz.
Dónde se gana su sitio
Un desarrollador independiente de videojuegos con una GPU de portátil de 6 GB
Crear una docena de pistas de fondo y un tema principal cantado
Ejecuta el modelo turbo con el planificador de 0,6B en la app Gradio; cada pista tarda segundos, la licencia MIT permite incluirlas en el juego y el repintado arregla un puente flojo sin regenerar el resto.
Un productor que trabaja en Mac
Enseñar al modelo su propio estilo y terminar las pistas en un DAW
Usa el script de arranque de macOS (MLX), entrena una LoRA con 8 de sus canciones y separa el resultado en pistas para mezclar; la cifra del README de alrededor de una hora de entrenamiento es para una RTX 3090 de 12 GB, y no se publica el tiempo en Mac.
El equipo de backend de un editor de vídeo SaaS
Ofrecer bandas sonoras generadas sin pagar por canción a una API
Ejecuta acestep-api, el servidor REST incluido, en instancias con GPU y genera hasta 8 canciones por llamada; sin licencia que pagar, el coste es solo el tiempo de GPU.
Antes de decidirte
- Puesta en marcha
- Instala con uv y arranca la app Gradio en el puerto 7860 o la API REST en el 8001; hay scripts de arranque para Windows, Linux y macOS, y un paquete portátil para Mac. No expongas esos puertos a internet sin añadir control de acceso.
- Integraciones
- API de inferencia en Python, API REST, interfaz Gradio y nodos de ComfyUI, además del kit comunitario Side-Step para entrenamiento LoRA avanzado.
- Datos y privacidad
- Al alojarlo tú, prompts y audio se quedan en local salvo que uses acemusic.ai. El equipo dice que entrenó con música con licencia, música libre de derechos y de dominio público, y audio sintético generado desde MIDI.
- Coste a escala
- Sin licencias que pagar a ninguna escala; el coste es el tiempo de GPU, con hasta 8 canciones por lote.
- Límites
- De 10 segundos a 10 minutos por canción; con 6 GB de VRAM o menos el planificador está desactivado por defecto; XL necesita 12 GB con descarga y cuantización o 20 GB sin ellas; las versiones cambian la melodía.
Lo bueno
- Licencia MIT; uso comercial permitido
- El modelo turbo funciona con menos de 4 GB de VRAM; una canción en menos de 10 segundos en una RTX 3090
- De 10 segundos a 10 minutos, letras en más de 50 idiomas
- Repintado, separación de pistas, capas, acompañamiento para voz y entrenamiento LoRA
- Funciona en CUDA, Apple Silicon, AMD ROCm, Intel y CPU
Lo malo
- Notas en WildSongBench más bajas que MiniMax Music 3 y YuE2
- Las versiones no conservan la melodía de origen
- La calidad XL necesita de 12 a 20 GB de VRAM
- Datos de entrenamiento descritos solo por categorías
- El modelo base es de enero de 2026
Ideal para
Desarrolladores, estudios de videojuegos y creadores de vídeo que necesitan canciones de uso comercial con un modelo que funcione en una GPU normal o un Mac.
Alternativas a ACE-Step 1.5
ACE-Step 1.5: preguntas frecuentes
- ¿Merece la pena ACE-Step 1.5?
- ACE-Step 1.5 es el modelo abierto de música con el que empezar: licencia MIT, rápido en una GPU modesta y lleno de herramientas de edición, aunque los rivales abiertos más nuevos suenen mejor. Le damos un 4.3 sobre 5.
- ¿Cuánto cuesta ACE-Step 1.5?
- Gratis bajo licencia MIT, uso comercial incluido. La app alojada del equipo en acemusic.ai es gratuita. El modelo turbo se aloja en una GPU con menos de 4 GB de VRAM.
- ¿Qué inconvenientes tiene ACE-Step 1.5?
- Notas en WildSongBench más bajas que MiniMax Music 3 y YuE2; las versiones no conservan la melodía de origen; la calidad XL necesita de 12 a 20 GB de VRAM; datos de entrenamiento descritos solo por categorías; el modelo base es de enero de 2026.
- ¿Para quién es ACE-Step 1.5?
- Desarrolladores, estudios de videojuegos y creadores de vídeo que necesitan canciones de uso comercial con un modelo que funcione en una GPU normal o un Mac.
- ¿Cuánto cuesta ACE-Step 1.5 para un equipo o en producción?
- Sin licencias que pagar a ninguna escala; el coste es el tiempo de GPU, con hasta 8 canciones por lote.
- ¿Es ACE-Step 1.5 seguro para los datos de la empresa?
- Al alojarlo tú, prompts y audio se quedan en local salvo que uses acemusic.ai. El equipo dice que entrenó con música con licencia, música libre de derechos y de dominio público, y audio sintético generado desde MIDI.
- ¿Cuáles son las mejores alternativas a ACE-Step 1.5?
- Las alternativas más cercanas que hemos analizado son MiniMax Music 3, YuE2-3B y Stable Audio 3.0 Medium.
Respuestas comprobadas el 7 nov 2026.
¿Desarrollas ACE-Step 1.5? Muestra esta nota en tu web
