ACE-Step 1.5 ist ein Open-Source-Modell zur Musikgenerierung, das von ACE Studio und StepFun gemeinsam geleitet wird und unter der MIT-Lizenz steht. Es erstellt aus einem Text-Prompt und optionalem Songtext komplette Songs, mit Gesang oder instrumental, von 10 Sekunden bis 10 Minuten Länge, in mehr als 50 Sprachen. Sie können es kostenlos auf dem eigenen Rechner betreiben oder auf RaoMusic im Browser nutzen, ohne kostenpflichtiges Abo und ab 10 Credits pro Generierung.
Zuletzt geprüft: 4.11.2026.
Was kann ACE-Step 1.5?
Laut offizieller Dokumentation und GitHub-Repository umfasst die vollständige Version:
- Text zu Musik: ein Stil-Prompt plus Songtext mit Abschnittsmarken, von 10 Sekunden bis 10 Minuten.
- Bearbeitung: Cover-Versionen vorhandener Aufnahmen, Neugenerierung eines ausgewählten Abschnitts (Repainting) und Umwandlung von Gesang in Hintergrundmusik.
- Eigener Stil: LoRA-Training mit einer Handvoll Songs. Das Projekt nennt 8 Songs und etwa eine Stunde auf einer RTX 3090 mit 12 GB VRAM.
- Tempo: Laut Projekt dauert ein kompletter Song auf einer A100 unter 2 Sekunden und auf einer RTX 3090 unter 10 Sekunden.
Wie betreiben Sie ACE-Step 1.5 auf dem eigenen Rechner?
Folgen Sie der offiziellen Installationsanleitung: Code herunterladen, Python 3.11 oder 3.12 einrichten, Modelle laden, dann die Weboberfläche starten. Laut Projekt läuft das Basismodell mit weniger als 4 GB VRAM. Mit mehr Speicher empfiehlt die GPU-Tabelle zusätzlich ein größeres Sprachmodell für bessere Ergebnisse.
Lokal kostet Sie das nichts außer der Hardware, und Sie haben alle oben genannten Funktionen. Wenn Ihnen eine passende GPU fehlt oder Sie erst ein paar Prompts ausprobieren möchten, kommt die Browser-Version unten ganz ohne Einrichtung aus.
Wie nutzen Sie ACE-Step 1.5 online?
Auf RaoMusic ist ACE-Step 1.5 eine der Engines im Modellmenü der Erstellen-Seite.
- Wählen Sie im Modellmenü ACE-Step 1.5.
- Wählen Sie einen Modus. Im Modus Einfach beschreiben Sie Einsatzzweck, Stimmung und Instrumente in einem Satz; für ein Hintergrundbett schalten Sie Instrumental ein. Im Modus Individuell fügen Sie Ihren Songtext mit Marken wie
[Verse]und[Chorus]ein und ergänzen eine Stilzeile. Unser Leitfaden Eigene Songtexte mit KI vertonen zeigt, wie Sie den Text formatieren. - Stellen Sie die Länge zwischen 10 und 600 Sekunden ein. Standard sind 120.
- Entscheiden Sie, ob der Denkmodus an bleibt (siehe unten), und klicken Sie auf Generieren.
Jede Generierung liefert einen Track: eine MP3 zum Abspielen und einen verlustfreien FLAC-Download. Um ACE-Step mit den anderen Engines am selben Songtext zu vergleichen, lesen Sie unseren Vergleich der KI-Musikmodelle.
Lohnt sich der Denkmodus?
Der Denkmodus ist standardmäßig aktiv. Er ist langsamer und kostet pro Sekunde doppelt so viel, klingt laut RaoMusic aber meist besser: 0,16 Credits pro Sekunde mit, 0,08 ohne, aufgerundet, mindestens 10 Credits. Wegen dieses Minimums kostet alles bis etwa eine Minute in beiden Fällen 10 Credits, bei kurzen Clips ist der Denkmodus also gratis. Bei den standardmäßigen 120 Sekunden sind es 20 statt 10 Credits.
Der größere Preis ist die Wartezeit. In unserem Test unten dauerte die Generierung mit Denkmodus etwa neunmal so lange wie ohne. Skizzieren Sie Ideen also schnell ohne Denkmodus und schalten Sie ihn für die Version ein, die Sie behalten wollen.
Welche erweiterten Einstellungen sollten Sie ändern?
Alle vier sind optional. Lassen Sie sie für den ersten Entwurf auf Auto und fügen Sie dann jeweils eine hinzu, wenn der Track zu etwas passen muss:
- BPM: eine ganze Zahl von 30 bis 300, wenn die Musik auf einen Videoschnitt oder einen vorhandenen Beat passen soll.
- Tonart: etwa C Major, Am oder F# minor, wenn der Track zusammen mit einer anderen Spur läuft.
- Taktart: 2/4, 3/4, 4/4 oder 6/8, zum Beispiel 3/4 für einen Walzer.
- Gesangssprache: Wählen Sie die Sprache Ihres Songtexts oder lassen Sie Auto, damit das Modell sie erkennt.
Wie unterschieden sich Denkmodus an und aus im Test?
Wir haben denselben Prompt im Modus Einfach zweimal mit Instrumental und 60 Sekunden Länge laufen lassen, einmal mit und einmal ohne Denkmodus, und jeweils die Zeit von der Anfrage bis zum fertigen Track gemessen.
Prompt: A short instrumental lo-fi hip-hop bed for a late-night coding session, warm electric piano, soft brushed drums, rounded bass, no vocals. (Ein kurzes instrumentales Lo-Fi-Hip-Hop-Bett für eine nächtliche Coding-Session, warmes E-Piano, sanfte Besen-Drums, runder Bass, kein Gesang.)
| Einstellung | Denkmodus an | Denkmodus aus |
|---|---|---|
| Länge | 60 Sekunden | 60 Sekunden |
| Credits | 10 | 10 |
| Zeit bis fertig | Etwa 4 Minuten (243 s) | Etwa 28 Sekunden |
Denkmodus an
Höreindruck: Warmes E-Piano, weicher Bass und ein entspannter Besen-Beat von Anfang an. Der Clip passt so, wie er ist, unter einen Coding-Stream oder ein Tutorial. Im allerletzten Moment ist ein leises, hauchiges, stimmähnliches Geräusch zu hören, schneiden Sie also vor der Veröffentlichung die letzte Sekunde ab.
Denkmodus aus
Höreindruck: Dasselbe Piano und derselbe Bass, kein Gesang, aber die Drums setzen erst nach etwa 20 Sekunden ein und klingen eher nach gefilterten Hip-Hop-Schlägen als nach Besen. Für einen ruhigen Hintergrund reicht das. Brauchen Sie den Beat ab dem ersten Takt, generieren Sie neu oder schalten Sie den Denkmodus ein.
Mit Denkmodus hielt sich das Ergebnis enger an den Prompt; ohne war es deutlich schneller und trotzdem brauchbar. Da der Denkmodus bei dieser Länge nichts extra kostet, ist er für kurze Clips die bessere Standardwahl, wenn Sie ein paar Minuten warten können. Weitere Prompts in diesem Stil finden Sie in unserem Lo-Fi-Leitfaden.
Häufige Fragen
Das Projekt steht unter der MIT-Lizenz, die die kommerzielle Nutzung von Code und Modell erlaubt. Die README bittet außerdem darum, die Originalität der Tracks zu prüfen und den Einsatz von KI offenzulegen. Tracks, die Sie auf RaoMusic erzeugen, sind durch die lizenzgebührenfreie kommerzielle Lizenz von RaoMusic abgedeckt.
Das Projekt nennt mehr als 50. Auf RaoMusic bietet das Menü für die Gesangssprache Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch, Französisch und Deutsch sowie „Auto“, damit das Modell die Sprache aus dem Text erkennt.
Mit ACE-Step selbst nicht. Die Browser-Version erzeugt nur Musik aus Text. Cover-Generierung, Repainting und Referenz-Audio gehören zur lokalen Version.
Ja. Sobald die MP3-Kopie bereit ist, können Sie den Track mit anderen RaoMusic-Werkzeugen verlängern, eine Cover-Version erstellen oder Gesang bzw. ein Instrumental hinzufügen. Einzelne Abschnitte ersetzen ist für ACE-Step-Tracks nicht verfügbar.
Eine größere Variante, im April 2026 veröffentlicht, mit einem Decoder von 4 Milliarden Parametern für höhere Klangqualität. Sie ist für den lokalen Einsatz gedacht und braucht mindestens 12 GB VRAM mit Offloading oder 20 GB ohne.