ACE-Step 1.5XL Turbo: Текст в музыку
Создавайте высококачественную музыку из текстовых промптов с использованием дистиллированной модели 4B ACE-Step. Производит готовое к коммерческому использованию аудио всего за 8 шагов вывода без CFG.
Попробовать пример
Об этом рабочем процессе
Этот Рабочий процесс превращает текстовый промпт на обычном языке в готовую музыку с помощью модели ACE-Step 1.5 XL Turbo. Ваш промпт кодируется TextEncodeAceStepAudio1.5 (на базе DualCLIPLoader) в аудио-ориентированное КОНДИЦИОНИРОВАНИЕ. EmptyAceStep1.5LatentAudio создаёт пустой латентный аудиохолст на выбранную длительность, а UNETLoader загружает дистиллированный checkpoint 4B ACE-Step (acestep_v1.5_xl_turbo_bf16.safetensors). ModelSamplingAuraFlow настраивает расписание сэмплера, заточенное под ACE-Step, а KSampler выполняет всего 8 шагов диффузии, чтобы синтезировать латентное аудио. Затем аудио восстанавливается через VAELoader + VAEDecodeAudio и сохраняется через SaveAudioMP3.
Практичность этого Рабочего процесса — в «turbo»-конфигурации: здесь не используется classifier-free guidance (CFG), что реализовано через ConditioningZeroOut, который подаёт намеренно пустое негативное КОНДИЦИОНИРОВАНИЕ. Это делает промпты проще (фокус только на желаемом), а ModelSamplingAuraFlow и KSampler дают быстрый и стабильный результат. Граф организован в группы Model и Prompt для ясности и использует PrimitiveInt/PrimitiveNode для быстрых правок seed, steps и длительности. В итоге получается компактный и наглядный пайплайн «текст-в-музыку», который можно многократно запускать для вариаций или использовать как переиспользуемый подграф.
Вопросы и ответы
Этот Рабочий процесс специально отключает classifier-free guidance через ConditioningZeroOut ради быстрой и стабильной выборки. Негативные промпты в такой схеме игнорируются. Если нужны негативы, замените ConditioningZeroOut на явный путь кодирования негатива и включите CFG в KSampler — но это изменит поведение Рабочего процесса.
Задайте длину в EmptyAceStep1.5LatentAudio (секунды или сэмплы — зависит от полей ноды). Структуру модель интерпретирует через текст (например, «16‑bar trap loop», «slow build and soft drop»). Для более длинных треков сгенерируйте несколько сегментов и соберите их в DAW.
Оставьте KSampler на 8 steps и подключите ModelSamplingAuraFlow — это настроено под ACE-Step 1.5 XL Turbo. Если слышны артефакты, попробуйте умеренно увеличить (например, до 10–12 steps). Держите CFG отключённым, чтобы соответствовать дизайну Рабочего процесса.
Граф сохраняет MP3 через SaveAudioMP3. Вы можете изменить битрейт, если нода предоставляет такую опцию. Если нужен WAV, замените на совместимую ноду сохранения WAV и подключите её после VAEDecodeAudio.