ACE-Step 1.5XL SFT : Texte vers Musique
Générez de la musique de haute qualité à partir de prompts textuels à l'aide d'un modèle SFT de 4B paramètres. Contrôlez la sortie avec CFG pour une adhérence précise au prompt.
Essayer un exemple
À propos de ce workflow
Ce workflow ComfyUI transforme des invites textuelles en musique finalisée grâce au modèle ACE-Step 1.5XL SFT (4B). Il suit un pipeline de diffusion adapté à l'audio : DualCLIPLoader et TextEncodeAceStepAudio1.5 convertissent votre invite (et éventuellement une invite négative) en conditionnement ; EmptyAceStep1.5LatentAudio crée une toile audio latente pour la durée choisie ; UNETLoader charge le modèle ACE-Step 1.5XL SFT ; et KSampler effectue le débruitage itératif guidé par le CFG. ModelSamplingAuraFlow configure la stratégie d'échantillonnage optimisée pour ACE-Step audio, tandis que VAELoader + VAEDecodeAudio reconvertissent le latent final en une forme d'onde que SaveAudioMP3 écrit sur le disque.
Techniquement, le CFG (classifier-free guidance) permet d'équilibrer créativité et fidélité à l'invite : des valeurs basses explorent plus largement, des valeurs élevées suivent plus strictement votre texte. ConditioningZeroOut fournit une branche inconditionnelle propre si vous ne spécifiez pas d'invite négative, assurant une guidance stable. Les groupes du workflow (Modèle, Durée, Invite) facilitent le changement de checkpoints, la définition de la durée en secondes et l'itération sur les invites. Le résultat est un pipeline texte-vers-musique pratique et reproductible, permettant d'itérer rapidement sur les genres, ambiances, instruments et structures—idéal pour l’idéation, le scoring temporaire et les musiques d’ambiance.
Questions-réponses
KSampler effectue le processus de débruitage selon vos étapes, CFG et seed. ModelSamplingAuraFlow configure la stratégie/planification d’échantillonnage adaptée à ACE-Step audio, pour une convergence stable et de haute qualité sans réglage manuel du scheduler.
Utilisez EmptyAceStep1.5LatentAudio dans le groupe Durée. Ajustez ses paramètres de durée ou de frames (souvent pilotés par des PrimitiveInt/PrimitiveNode connectés). Les clips plus longs nécessitent plus de ressources et de mémoire.
Affinez l’invite avec des descripteurs plus clairs (genre, instruments, ambiance, tempo, mix). Ajoutez une invite négative (ex : « distorsion, artefacts, voix »). Essayez de baisser légèrement le CFG si l’audio est agressif, ou d’augmenter modérément les étapes si le détail manque. Changer la seed peut aussi aider.
Ce workflow sauvegarde avec SaveAudioMP3. Si vous préférez le WAV, ajoutez ou remplacez par un nœud SaveAudioWAV (si disponible dans votre installation) après VAEDecodeAudio et sélectionnez le format et le chemin souhaités.
Workflows associés
- ACE-Step
ACE Step v1 Texte vers Chanson
- ACE-Step
ACE Step v1 Édition M2M
- ACE-Step
ACE-Step 1.5 Génération de Musique (4B LLM)
- ACE-Step
ACE-Step 1.5 Génération de Musique AIO
- ACE-Step, Google Gemini
ACE-Step 1.5 Génération de Paroles et de Chansons par IA
- ACE-Step
ACE-Step 1.5XL Base : Texte vers Musique
- ACE-Step
ACE-Step 1.5XL Turbo : Texte vers Musique
- ACE-Step
ACE-Step v1 Texte vers Musique Instrumentale
- ACE-Step
Flux de travail de génération musicale ACE-Step 1.5
- ACE-Step
Texte vers Chanson (Nouveau)