ACE-Step 1.5XL SFT: Texto para Música

Gere música de alta qualidade a partir de prompts de texto usando um modelo SFT de 4B parâmetros. Controle a saída com CFG para aderência precisa ao 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

Experimente um exemplo

Sobre este fluxo de trabalho

Este fluxo de trabalho do ComfyUI transforma prompts de texto em músicas finalizadas usando o modelo ACE-Step 1.5XL SFT (4B). Ele segue um pipeline de difusão familiar adaptado para áudio: DualCLIPLoader e TextEncodeAceStepAudio1.5 convertem seu prompt (e prompt negativo opcional) em condicionamento; EmptyAceStep1.5LatentAudio cria uma tela latente de áudio para a duração escolhida; UNETLoader carrega o modelo ACE-Step 1.5XL SFT; e KSampler realiza a remoção iterativa de ruído guiada por CFG. ModelSamplingAuraFlow configura a estratégia de amostragem ajustada para áudio ACE-Step, enquanto VAELoader + VAEDecodeAudio convertem o latente final de volta para uma forma de onda que o SaveAudioMP3 grava em disco.

Tecnicamente, o CFG (classifier-free guidance) permite equilibrar criatividade e aderência ao prompt: valores baixos de CFG exploram mais, valores altos seguem o texto mais estritamente. ConditioningZeroOut fornece um ramo incondicional limpo se você não especificar um prompt negativo, garantindo orientação estável. Os grupos do fluxo de trabalho (Modelo, Duração, Prompt) facilitam a troca de checkpoints, definição de segundos e iteração nos prompts. O resultado é um pipeline prático e reproduzível de texto para música, que permite iterar rapidamente entre gêneros, humores, instrumentos e estruturas—ideal para ideação, trilhas temporárias e faixas de fundo.

Perguntas e respostas