O que é ACE-Step 1.5?
O ACE-Step 1.5 é um modelo aberto de música codirigido pela ACE Studio e pela StepFun. Um modelo de linguagem pequeno (0,6B, 1,7B ou 4B, baseado no Qwen3) planeja a canção, escrevendo metadados, letra e descrições, e um transformer de difusão gera o áudio. Ele produz canções com vocais de 10 segundos a 10 minutos, com letras em mais de 50 idiomas.
Pesos e código têm licença MIT, e a equipe diz que os dados de treinamento são licenciados, livres de royalties ou sintéticos, então as saídas podem ser usadas comercialmente. O modelo turbo padrão precisa de menos de 4 GB de VRAM. Uma série XL com decodificador de 4B parâmetros saiu em 2 de abril de 2026 para mais qualidade, exigindo pelo menos 12 GB com offload.
Além de texto para música, faz covers, repintura de uma seção escolhida, separação de stems, camadas adicionais, acompanhamento para um vocal cantado e ajuste fino LoRA a partir de poucas canções.
ACE-Step 1.5 vale a pena?
O ACE-Step 1.5 é o modelo aberto de música que mais gente consegue de fato rodar e usar comercialmente. Tem licença MIT, o modelo turbo precisa de menos de 4 GB de VRAM e, segundo o README, gera uma canção completa em menos de 10 segundos numa RTX 3090 e em menos de 2 segundos numa A100. Também roda em Apple Silicon, AMD, GPUs Intel e CPU, onde o MiniMax Music 3 e o YuE2 exigem NVIDIA.
Tem o conjunto de ferramentas de edição mais amplo entre os modelos abertos de canções que cobrimos. Além de gerar até 10 minutos a partir de um prompt e uma letra, ele repinta uma seção escolhida, separa stems, adiciona camadas a uma faixa existente, escreve o acompanhamento de um vocal cantado e lê BPM e tom de um áudio. Treinar uma LoRA com 8 canções suas leva cerca de uma hora numa RTX 3090 de 12 GB, segundo o README. O app Gradio e um servidor REST vêm no mesmo repositório, que tem 14.478 estrelas no GitHub.
O porém: a qualidade fica um degrau abaixo dos rivais abertos mais novos. A equipe o coloca entre o Suno v4.5 e o Suno v5; no WildSongBench da equipe do YuE2, teve média SongBench de 6,0118, contra 6,2830 do MiniMax Music 3 e 6,7316 do YuE2, embora a letra fosse clara, com taxa de erro de fonemas de 7,46%. Os covers não mantêm a melodia original: a canção de origem foi identificada em 2,4% dos casos no SHS100K, contra 71,3% do YuE2 com partitura. O decodificador XL soa melhor, mas exige 12 GB com offload e 20 GB sem. A afirmação sobre dados licenciados vem da equipe, e o card cita apenas categorias de dados, não fontes.
Nossa opinião: para um estúdio de games, um videomaker ou um desenvolvedor de apps que precisa de canções publicáveis vindas de um modelo que cabe numa GPU comum ou num Mac, o ACE-Step 1.5 é a escolha aberta padrão; o MiniMax Music 3 compensa a GPU maior quando o acabamento vocal é o que mais importa.
Onde ele se destaca
Um desenvolvedor indie de games com uma GPU de notebook de 6 GB
Criar uma dúzia de faixas de fundo e um tema de abertura cantado
Rode o modelo turbo com o planejador de 0,6B no app Gradio; cada faixa leva segundos, a licença MIT permite incluí-las no jogo, e a repintura corrige uma ponte fraca sem gerar o resto de novo.
Um produtor que trabalha no Mac
Ensinar ao modelo o próprio estilo e finalizar faixas numa DAW
Use o script de inicialização do macOS (MLX), treine uma LoRA com 8 canções suas e separe o resultado em stems para mixar; o número do README, cerca de uma hora de treino, é para uma RTX 3090 de 12 GB, e o tempo no Mac não é publicado.
A equipe de backend de um editor de vídeo SaaS
Oferecer trilhas geradas aos usuários sem pagar API por canção
Rode o acestep-api, o servidor REST incluído, em instâncias com GPU e gere até 8 canções por chamada; sem licença a pagar, o custo é só o tempo de GPU.
Antes de decidir
- Configuração
- Instale com uv e inicie o app Gradio na porta 7860 ou a API REST na porta 8001; há scripts de inicialização para Windows, Linux e macOS, e um pacote portátil para Mac. Não exponha essas portas na internet sem adicionar controle de acesso.
- Integrações
- API de inferência em Python, API REST, interface Gradio e nós do ComfyUI, além do kit comunitário Side-Step para treino avançado de LoRA.
- Dados e privacidade
- Hospedado por você, prompts e áudio ficam locais, a menos que você use o acemusic.ai. A equipe diz que treinou com música licenciada, música livre de royalties e de domínio público, e áudio sintético renderizado a partir de MIDI.
- Custo em escala
- Sem taxas de licença em nenhuma escala; o custo é o tempo de GPU, com até 8 canções por lote.
- Limites
- De 10 segundos a 10 minutos por canção; com 6 GB de VRAM ou menos, o planejador fica desligado por padrão; o XL exige 12 GB com offload e quantização ou 20 GB sem; covers mudam a melodia.
O que é bom
- Licença MIT; uso comercial permitido
- Modelo turbo roda com menos de 4 GB de VRAM; uma canção em menos de 10 segundos numa RTX 3090
- De 10 segundos a 10 minutos, letras em 50+ idiomas
- Repintura, stems, camadas, acompanhamento para vocal e treino de LoRA
- Roda em CUDA, Apple Silicon, AMD ROCm, Intel e CPU
O que não é
- Notas no WildSongBench abaixo do MiniMax Music 3 e do YuE2
- Covers não mantêm a melodia de origem
- Qualidade XL exige de 12 a 20 GB de VRAM
- Dados de treinamento descritos só por categoria
- Modelo principal é de janeiro de 2026
Ideal para
Desenvolvedores, estúdios de games e videomakers que precisam de canções de uso comercial a partir de um modelo que roda numa GPU comum ou num Mac.
Alternativas ao ACE-Step 1.5
ACE-Step 1.5: perguntas frequentes
- ACE-Step 1.5 vale a pena?
- O ACE-Step 1.5 é o modelo aberto de música para começar: licença MIT, rápido numa GPU modesta e cheio de ferramentas de edição, mesmo que os rivais abertos mais novos soem melhor. Damos nota 4.3 de 5.
- Quanto custa ACE-Step 1.5?
- Gratuito sob licença MIT, uso comercial incluído. O app hospedado da equipe em acemusic.ai é gratuito. O modelo turbo roda em hospedagem própria numa GPU com menos de 4 GB de VRAM.
- Quais são as desvantagens de ACE-Step 1.5?
- Notas no WildSongBench abaixo do MiniMax Music 3 e do YuE2; covers não mantêm a melodia de origem; qualidade XL exige de 12 a 20 GB de VRAM; dados de treinamento descritos só por categoria; modelo principal é de janeiro de 2026.
- Para quem ACE-Step 1.5 é indicado?
- Desenvolvedores, estúdios de games e videomakers que precisam de canções de uso comercial a partir de um modelo que roda numa GPU comum ou num Mac.
- Quanto custa ACE-Step 1.5 para uma equipe ou em produção?
- Sem taxas de licença em nenhuma escala; o custo é o tempo de GPU, com até 8 canções por lote.
- ACE-Step 1.5 é seguro para dados da empresa?
- Hospedado por você, prompts e áudio ficam locais, a menos que você use o acemusic.ai. A equipe diz que treinou com música licenciada, música livre de royalties e de domínio público, e áudio sintético renderizado a partir de MIDI.
- Quais são as melhores alternativas ao ACE-Step 1.5?
- As alternativas mais próximas que analisamos são MiniMax Music 3, YuE2-3B e Stable Audio 3.0 Medium.
Respostas verificadas em 7 de nov. de 2026.
Você faz o ACE-Step 1.5? Mostre esta nota no seu site
