此工作流程使用 ACE-Step 1.5 XL Turbo 模型，將日常語言的文字提示詞轉成完成的音樂。你的提示詞會由 TextEncodeAceStepAudio1.5（由 DualCLIPLoader 支援）編碼為具音訊感知的條件設定。EmptyAceStep1.5LatentAudio 會依你選的長度建立空白的潛空間音訊畫布，UNETLoader 會載入蒸餾版 4B ACE-Step checkpoint（acestep_v1.5_xl_turbo_bf16.safetensors）。ModelSamplingAuraFlow 會配置針對 ACE-Step 調校的取樣器排程，接著 KSampler 只用 8 個擴散步驟合成潛空間音訊。最後使用 VAELoader + VAEDecodeAudio 重建音訊，並透過 SaveAudioMP3 儲存。
此工作流程的實用之處在於其「turbo」設定：不使用 classifier-free guidance（CFG），透過 ConditioningZeroOut 提供刻意為空的負面條件設定來達成。這讓提示詞保持直覺（只描述你想要的內容），同時由 ModelSamplingAuraFlow 與 KSampler 提供快速且穩定的結果。圖形以 Model 與 Prompt 群組整理，並使用 PrimitiveInt/PrimitiveNode 讓你快速修改 seed、步數與時長。結果是一條緊湊、易教學的文字轉音樂流程，可反覆執行做變體，或整合為可重用的子圖形。
API
從程式碼使用此工作流
每個 Comfy 工作流都是一個 JSON 圖。下方的 payload 就是此工作流，與 ComfyUI 執行時完全相同 — 你可以從此 URL 取得、放入版本控制，或在 ComfyUI 載入並逐節點執行。
使用 Comfy SDK 以 TypeScript 或 Python 執行。相同程式碼可用於 Comfy Cloud 或你自架的 ComfyUI — 只需更改 base URL。
// Install (beta)
npm i @comfyorg/sdk
// Run "ACE-Step 1.5XL Turbo：文字轉音樂" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("audio_ace_step1_5_xl_turbo_api.json");
const job = await client.run(wf);
await job.getOutputs("107")[0].toFile("output.png"); // SaveAudioMP3SDK 需使用 API 格式的工作流：請在 ComfyUI 開啟此工作流，並使用 檔案 → 匯出工作流（API）。
常見問題
