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.

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

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