容器化部署 ACE-Step

本指南详细阐述了在共绩算力平台上，高效部署与使用 ACE-Step 项目的技术方案。ACE-Step 是由人工智能公司阶跃星辰（StepFun）与数字音乐平台 ACE Studio 联合研发并于 2025 年 5 月 7 日开源。模型在 A100 GPU 上只需 20 秒即可合成长达 4 分钟的音乐，比基于 LLM 的基线快 15 倍，同时在旋律、和声和节奏指标方面实现了卓越的音乐连贯性和歌词对齐。此外，该模型保留了精细的声学细节，支持高级控制机制，例如语音克隆、歌词编辑、混音和音轨生成。

1.在共绩算力上运行 ACE-Step

共绩算力平台提供预构建的 ACE-Step 容器镜像，用户无需本地复杂环境配置，可快速完成部署并启用服务。以下是详细部署步骤：

1.1 创建部署服务

登录共绩算力控制台，在控制台首页点击“弹性部署服务”进入管理页面。首次使用需确保账户已开通弹性部署服务权限。

1.2 选择 GPU 型号

根据实际需求选择 GPU 型号：

初次使用或调试阶段，推荐配置单张 NVIDIA RTX 4090 GPU

1.3 选择预制镜像

在“服务配置”模块切换至“预制服务”选项卡，搜索并选择 ACE-Step 官方镜像。

1.4 部署并访问服务

点击“部署服务”，平台将自动拉取镜像并启动容器。

部署完成后，在“快捷访问”中找到端口为 7865 的公网访问链接，点击即可在浏览器中使用 ACE-Step 的 Web 界面，或通过该地址调用 API 服务。

2.快速上手

使用 Safari 浏览器时，音频可能无法直接播放，需要下载后进行播放。

该项目提供多任务创作面板：Text2Music Tab、Retake Tab、Repainting Tab、Edit Tab 和 Extend Tab。

各模块功能如下：

2.1 Text2Music Tab

Input Fields
- Tags：输入描述性标签、音乐流派或场景描述，用逗号分隔
- Lyrics：输入带有结构标签的歌词，如 [verse] 、 [chorus] 、 [bridge]
- Audio Duration：设置生成音频的时长（-1 表示随机生成）
Settings
- Basic Settings：调整推理步数、指导比例和种子值
- Advanced Settings：微调调度器类型、CFG 类型、ERG 设置等参数
Generation
- 点击「Generate」按钮，根据输入内容创作音乐

生成结果：

2.2 Retake Tab

通过不同种子值重新生成音乐并产生细微变化
调整变化参数以控制新版本与原版的差异程度

2.3 Edit Tab

通过修改标签或歌词来改编现有音乐
可选择「only_lyrics」模式（保留原旋律）或「remix」模式（改变旋律）
通过调整编辑参数控制对原曲的保留程度

2.4 Extend Tab

在现有音乐的开头或结尾添加音乐片段
指定左右两侧的扩展时长
选择需要扩展的源音频

3.API 调用指南

ACE-Step 提供完整的 API 接口体系，支持通过编程方式实现音乐创作全流程自动化。以下为核心接口详解与调用示范：

3.1 环境准备

pip install gradio_client


from gradio_client import Client, handle_file
client = Client("https://<您的部署 ID>.550c.cloud/")

3.2 核心功能接口

1. 文本生成音乐（Text2Music）

result = client.predict(
    format="wav",                         # 输出格式 [mp3/ogg/flac/wav]
    audio_duration=-1,                    # 时长 (秒)，-1=随机生成
    prompt="pop, upbeat, guitar, 120 BPM", # 音乐描述标签
    lyrics="[verse] 清晨的阳光...[chorus] 自由飞翔...",  # 带结构标签的歌词
    infer_step=60,                        # 推理步数（建议 50-80）
    guidance_scale=15,                    # 控制生成自由度
    cfg_type="apg",                       # 配置类型 [cfg/apg/cfg_star]
    manual_seeds="12345",                 # 固定种子值保证可复现
    api_name="/__call__"                  # 固定端点名称
)
audio_path = result[0]  # 生成的音频路径
params_json = result[1] # 参数 JSON（用于后续操作）

2. 音乐编辑（Edit）

result = client.predict(
    edit_type="remix",                    # 编辑模式 [only_lyrics/remix]
    edit_prompt="rock, electric guitar",  # 新音乐标签
    edit_lyrics="[chorus] 新的副歌歌词...",  # 新歌词
    edit_n_min=0.7,                       # 最小保留比例（0-1）
    source_audio=handle_file("原曲.wav"), # 上传待编辑音频
    api_name="/edit_process_func"
)

3. 音乐扩展（Extend）

result = client.predict(
    left_extend_length=10,     # 开头延长秒数
    right_extend_length=15,    # 结尾延长秒数
    extend_source="text2music",# 源类型 [text2music/upload]
    source_audio=handle_file("原曲.wav"),
    api_name="/extend_process_func"
)

4. 局部重生成（Retake）

result = client.predict(
    json_data=params_json,     # 原始生成参数
    retake_variance=0.3,       # 变化强度（0.1 微调，>0.5 巨变）
    retake_seeds="67890",      # 新种子值
    api_name="/retake_process_func"
)

3.3 高级控制参数

参数	作用	推荐值
`guidance_interval`	控制节奏变化密度	0.3-0.7
`omega_scale`	音符粒度精细度	8-12
`use_erg_diffusion`	启用声学细节增强	True
`ref_audio_strength`	语音克隆强度（需上传参考音频）	0.5-0.8
`lora_weight`	风格 LoRA 权重（如中文说唱）	0.7-1.0

通过 API 集成，开发者可构建自动化音乐生产线，结合 Retake 的种子控制、Edit 的歌词替换、Extend 的时长扩展等功能，实现全链路音乐创作智能化。