ACE-Step 1.5 es un modelo de generación musical de código abierto, codirigido por ACE Studio y StepFun y publicado con licencia MIT. Crea canciones completas, con voz o instrumentales, a partir de un prompt de texto y una letra opcional, con duraciones de 10 segundos a 10 minutos y en más de 50 idiomas. Puedes ejecutarlo gratis en tu propio ordenador o usarlo en el navegador en RaoMusic, donde no necesitas suscripción de pago y cada generación cuesta desde 10 créditos.
Última revisión: 4 de noviembre de 2026.
¿Qué puede hacer ACE-Step 1.5?
Según la documentación oficial y el repositorio de GitHub, la versión completa incluye:
- Texto a música: un prompt de estilo más una letra con etiquetas de sección, de 10 segundos a 10 minutos.
- Edición: versiones cover de audio existente, regenerar una parte elegida de una pista (repintado) y convertir voces en música de fondo.
- Tu propio estilo: entrenamiento LoRA con unas pocas canciones. El proyecto habla de 8 canciones y alrededor de una hora en una RTX 3090 con 12 GB de VRAM.
- Velocidad: el proyecto afirma que una canción completa tarda menos de 2 segundos en una A100 y menos de 10 en una RTX 3090.
¿Cómo se ejecuta ACE-Step 1.5 en tu propio ordenador?
Sigue la guía de instalación oficial: descarga el código, prepara Python 3.11 o 3.12, descarga los modelos y abre la interfaz web. Según el proyecto, el modelo base funciona con menos de 4 GB de VRAM. Con más memoria, su tabla de GPU recomienda añadir un modelo de lenguaje más grande para mejores resultados.
Ejecutarlo tú mismo no cuesta nada aparte del hardware y te da todas las funciones anteriores. Si no tienes una GPU adecuada, o solo quieres probar unos cuantos prompts primero, la versión del navegador que verás abajo no requiere configuración.
¿Cómo se usa ACE-Step 1.5 en línea?
En RaoMusic, ACE-Step 1.5 es uno de los motores del menú de modelos de la página Crear.
- Elige ACE-Step 1.5 en el menú de modelos.
- Elige un modo. En Simple, describe en una frase el uso, el ambiente y los instrumentos, y activa Instrumental si quieres una base de fondo. En Personalizado, pega tu letra con etiquetas como
[Verse]y[Chorus]y añade una línea de estilo. Nuestra guía para convertir tu propia letra en una canción explica cómo darle formato. - Fija la duración entre 10 y 600 segundos. El valor predeterminado es 120.
- Decide si dejas activado el Razonamiento (ver abajo) y haz clic en Generar.
Cada generación te da una pista: un MP3 para reproducir y una descarga FLAC sin pérdida. Para comparar ACE-Step con los demás motores sobre la misma letra, consulta nuestra comparativa de modelos de música con IA.
¿Merece la pena activar el Razonamiento?
El Razonamiento viene activado por defecto. Es más lento y cuesta el doble por segundo, y RaoMusic lo describe como una opción que suele sonar mejor: 0,16 créditos por segundo activado y 0,08 desactivado, redondeando hacia arriba, con un mínimo de 10 créditos. Por ese mínimo, todo lo que dure hasta un minuto aproximadamente cuesta 10 créditos en ambos casos, así que en clips cortos el Razonamiento sale gratis. Con los 120 segundos predeterminados son 20 créditos en lugar de 10.
El coste de verdad es la espera. En nuestra prueba de abajo, la generación con Razonamiento tardó unas nueve veces más que sin él. Desactívalo para bocetar ideas rápido y actívalo para la versión que piensas conservar.
¿Qué ajustes avanzados conviene cambiar?
Los cuatro son opcionales. Déjalos en Auto para el primer borrador y añade uno cada vez cuando la pista tenga que encajar con algo:
- BPM: un número entero de 30 a 300, cuando la música deba coincidir con un corte de vídeo o con un ritmo existente.
- Tonalidad: por ejemplo C Major, Am o F# minor, cuando la pista vaya a sonar junto a otra parte.
- Compás: 2/4, 3/4, 4/4 o 6/8, por ejemplo 3/4 para un vals.
- Idioma de la voz: elige el idioma de tu letra o deja Auto para que el modelo lo detecte.
¿Qué diferencia hubo en nuestra prueba con y sin Razonamiento?
Lanzamos dos veces el mismo prompt en modo Simple, con Instrumental activado y 60 segundos de duración, una con Razonamiento y otra sin él, y cronometramos cada generación desde la petición hasta que la pista estuvo lista.
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. (Una base corta de lo-fi hip-hop instrumental para programar de madrugada, piano eléctrico cálido, batería suave con escobillas, bajo redondo, sin voces.)
| Ajuste | Razonamiento activado | Razonamiento desactivado |
|---|---|---|
| Duración | 60 segundos | 60 segundos |
| Créditos | 10 | 10 |
| Tiempo hasta estar lista | Unos 4 minutos (243 s) | Unos 28 segundos |
Razonamiento activado
Nota de escucha: piano eléctrico cálido, bajo suave y un ritmo relajado de escobillas desde el principio. Sirve tal cual de fondo para un directo de programación o un tutorial. En el último instante aparece un leve sonido aspirado, parecido a una voz, así que recorta el último segundo antes de publicar.
Razonamiento desactivado
Nota de escucha: el mismo piano y el mismo bajo, sin voces, pero la batería no entra hasta pasados unos 20 segundos y suena más a golpes de hip-hop filtrados que a escobillas. Vale para un fondo tranquilo. Si necesitas el ritmo desde el primer compás, genera otra vez o activa el Razonamiento.
Con Razonamiento la pista siguió más de cerca el prompt; sin él fue mucho más rápida y también utilizable. Como a esta duración el Razonamiento no cuesta nada extra, es la mejor opción por defecto para clips cortos si puedes esperar unos minutos. Tienes más prompts de este estilo en nuestra guía de música lo-fi.
Preguntas frecuentes
El proyecto se publica con licencia MIT, que permite el uso comercial del código y del modelo. Su README pide además comprobar que las pistas sean originales e indicar que se usó IA. Las pistas que generas en RaoMusic están cubiertas por la licencia comercial libre de regalías de RaoMusic.
El proyecto indica más de 50. En RaoMusic, el menú de idioma de la voz ofrece inglés, chino, japonés, coreano, español, francés y alemán, además de Auto, que deja que el modelo detecte el idioma a partir de la letra.
Con ACE-Step en sí, no. La versión del navegador solo genera música a partir de texto. La generación de covers, el repintado y el audio de referencia forman parte de la versión local.
Sí. Cuando la copia MP3 esté lista, puedes extender la pista, hacer una versión cover o añadir voces o un instrumental con las demás herramientas de RaoMusic. Reemplazar una sola sección no está disponible para pistas de ACE-Step.
Una variante más grande publicada en abril de 2026, con un decodificador de 4.000 millones de parámetros para mayor calidad de audio. Está pensada para uso local y necesita al menos 12 GB de VRAM con descarga a CPU, o 20 GB sin ella.