ACE-Step 1.5XL SFT: Texto a Música

Genere música de alta calidad a partir de prompts de texto utilizando un modelo SFT de 4B parámetros. Controle la salida con CFG para una adherencia precisa al prompt.

Input

Song lyrics with section tags like [Verse] and [Chorus]. Leave empty for an instrumental.

Genre, tempo, key, mood, instruments, arrangement and vocal style.

Length of the song.

Advanced settings

Tempo in beats per minute.

Default: 120

How closely the music follows the description.

Default: 7

Musical key and scale.

Language the lyrics are sung in.

Leave empty for a new result each run. Enter a number to repeat one.

The SFT model is tuned for about 50 steps; fewer is faster but rougher.

Default: 50

Beats per bar (4 = 4/4).

Output
Example
00:00

Probar un ejemplo

Acerca de este flujo de trabajo

Este Flujo de trabajo de ComfyUI convierte prompts de texto en música terminada usando el modelo ACE-Step 1.5XL SFT (4B). Sigue una canalización de difusión familiar adaptada para audio: DualCLIPLoader y TextEncodeAceStepAudio1.5 convierten tu prompt (y un prompt negativo opcional) en acondicionamiento; EmptyAceStep1.5LatentAudio crea un lienzo de audio latente para la duración elegida; UNETLoader carga el modelo ACE-Step 1.5XL SFT; y KSampler realiza denoising iterativo guiado por CFG. ModelSamplingAuraFlow configura la estrategia de muestreo ajustada para el audio de ACE-Step, mientras que VAELoader + VAEDecodeAudio convierten el latente final de vuelta a una forma de onda que SaveAudioMP3 escribe en disco.

Técnicamente, CFG (classifier-free guidance) te permite equilibrar creatividad y adherencia al prompt: valores de CFG más bajos exploran más ampliamente y valores más altos siguen el texto más estrictamente. ConditioningZeroOut proporciona una rama incondicional limpia si no especificas un prompt negativo, asegurando una orientación estable. Los grupos del Flujo de trabajo (Model, Duration, Prompt) facilitan cambiar checkpoints, definir segundos e iterar sobre prompts. El resultado es una canalización práctica y reproducible de texto a música que puede iterar rápidamente entre géneros, estados de ánimo, instrumentos y estructura; ideal para ideación, música temporal y pistas de fondo.

Preguntas y respuestas