ACE-Step 1.5 Geração de Música AIO
Insira tags de estilo e letras para gerar uma música completa. O fluxo de trabalho usa o modelo ACE-Step 1.5 para produzir música de nível comercial em menos de 10 segundos em hardware de consumo.
Experimente um exemplo
Sobre este fluxo de trabalho
ACE-Step 1.5 Music Generation AIO é um workflow ComfyUI de texto-para-áudio que transforma tags de estilo e letras em uma música completa. Você fornece descritores curtos como "pop moderno, voz feminina, synths densos" junto com a letra, e o grafo faz o resto — amostragem, decodificação e exportação em MP3 — para você testar ideias em segundos em hardware comum. Ele é organizado em grupos claros — Etapa 1: Load Model, Etapa 2: Duration, Etapa 3: Prompt — para que você sempre saiba onde definir o checkpoint, quanto deve durar a faixa e o que o modelo deve cantar ou soar.
Por baixo dos panos, o CheckpointLoaderSimple carrega o checkpoint do ACE-Step 1.5 (ace_step_1.5_turbo_aio.safetensors). O TextEncodeAceStepAudio1.5 converte suas tags de estilo e letras em vetores de condicionamento específicos do ACE. O ConditioningZeroOut é usado para desativar de forma limpa canais de condicionamento não usados (por exemplo, quando você não está fornecendo um prompt secundário ou negativo), evitando viés indesejado. O EmptyAceStep1.5LatentAudio cria uma tela de áudio latente vazia para a duração exata solicitada. O ModelSamplingAuraFlow configura a combinação correta de sampler/scheduler para o ACE-Step 1.5, e o KSampler refina iterativamente o latente em uma faixa coerente baseada no seu prompt. O VAEDecodeAudio transforma o latente final em áudio de forma de onda, e o SaveAudioMP3 grava o resultado na pasta de saída do ComfyUI. Widgets do PrimitiveNode expõem controles práticos como steps, CFG, seed e segundos para ajustar velocidade, qualidade e reprodutibilidade.
Esse setup é útil para demos rápidas de composição, exploração de gêneros e trilhas de conteúdo. Você obtém controle preciso da duração e um workflow repetível via seed. O grafo vem com padrões sensatos para gerar uma faixa curta rapidamente e, depois, aumentar a qualidade elevando steps ou refinando as tags de estilo e a escrita da letra.
Perguntas e respostas
Coloque ace_step_1.5_turbo_aio.safetensors em ComfyUI/models/checkpoints. No grupo Etapa 1 – Carregar Modelo do fluxo, abra o CheckpointLoaderSimple e selecione o arquivo.
Defina a duração em EmptyAceStep1.5LatentAudio (via controle PrimitiveNode). Isso define os segundos exatos do áudio. Você pode sugerir estrutura nas letras e tags de estilo, mas segmentação explícita de verso/refrão não é garantida.
Tente aumentar moderadamente os steps do KSampler, diminuir o CFG se surgirem artefatos e refine as tags de estilo para serem específicas (ex: "balada pop quente, vocal feminino íntimo, piano suave"). Certifique-se de desabilitar condicionamentos não usados via ConditioningZeroOut e mantenha as letras concisas e bem pontuadas.
Sim. Defina um seed fixo no PrimitiveNode que alimenta o KSampler. Usando o mesmo modelo, prompts, duração, steps e CFG, os resultados serão altamente consistentes.