ACE-Step AI音楽生成エージェント - テキストから楽曲を生成・編集・延長
/ace-step は AI音楽生成エージェント。
| 項目 | 値 |
|---|---|
| プロジェクトパス | c:\Users\dodos\Documents\google drive30TB\ACE-Step |
| Python仮想環境 | venv\ |
| モデル | ACE-Step/ACE-Step-v1-3.5B（~8GB、自動DL） |
| キャッシュ | ~/.cache/ace-step/checkpoints（初回DL ~8GB） |
| 出力先 | ./outputs/（自動保存） |
| PyTorch | nightly cu128（RTX 5080対応） |
タグはカンマ区切りで以下のカテゴリを指定する：
| カテゴリ | 例 |
|---|---|
| ジャンル/雰囲気 | pop, rock, jazz, funk, dark, upbeat, chill |
| テンポ | 120 bpm, up-tempo, slow, moderate |
| 楽器 | guitar, drums, piano, synth, bass, strings |
| ボーカル | female vocal, male vocal, clean, raspy, falsetto |
| 時代/質感 | 80s style, lo-fi, punchy, warm, dreamy |
[!TIP] 詩的な文章よりも具体的なキーワードが効果的。タグと歌詞が矛盾しないよう注意。
[intro] — イントロ
[verse] — Aメロ / Bメロ
[pre-chorus] — プレコーラス
[chorus] — サビ
[bridge] — ブリッジ
[outro] — アウトロ
[instrumental] or [inst] — インストのみ（歌なし）
[!IMPORTANT] 構造タグを使い分けることで、モデルが曲の展開を正しく理解して生成する。
| パラメータ | デフォルト | 推奨範囲 | 説明 |
|---|---|---|---|
| 音声の長さ | -1（ランダム30~240秒） | 30~120 | 秒単位で指定 |
| 推論ステップ | 60 | 30~100 | 高い=高品質だが遅い |
| ガイダンススケール | 15 | 5~25 | 高い=タグに忠実 |
| スケジューラー | euler | euler推奨 | heunは遅い、pingpongはSDE |
| CFGタイプ | apg | apg推奨 | cfg/cfg_starもほぼ同等 |
| 粒度スケール | 10 | 5~30 | 高い=アーティファクト低減 |
| ガイダンス区間 | 0.5 | 0.3~0.7 | 中間ステップにのみガイダンス適用 |
| タグERG | ON | — | 多様性向上 |
| 歌詞ERG | OFF | — | 必要に応じてON |
| 拡散ERG | ON | — | アーティファクト低減 |
タグ + 歌詞 → 楽曲生成。基本のワークフロー。
同じ設定でバリエーション違いを生成。バリアンス（0.0~1.0）で変化量を調整。
曲の一部区間のみ再生成。開始/終了時間を指定し、ソース音源を選択。
only_lyrics: 歌詞のみ変更（メロディ維持）。小さな変更推奨（1行程度）remix: メロディ + ジャンルも変更可能曲を左右に延長。延長長さ（秒）を左右それぞれ指定。
ACE-Step/ACE-Step-v1-chinese-rap-LoRA）/__call__（text2music生成）(audio_path, params_json)完全なコードサンプルは WORKFLOW.md Step 2 を参照。
gr.Audioのshow_download_buttonパラメータを除去torchcodec DLLロード失敗 → soundfileで直接保存に変更pip install triton-windowsが必要