O ACE-Step 1.5 é um modelo de geração musical de código aberto, liderado em conjunto pela ACE Studio e pela StepFun e lançado sob a licença MIT. Ele cria músicas completas, com vocal ou instrumentais, a partir de um prompt de texto e de uma letra opcional, com duração de 10 segundos a 10 minutos, em mais de 50 idiomas. Você pode rodá-lo de graça no seu computador ou usá-lo no navegador pelo RaoMusic, sem assinatura paga e a partir de 10 créditos por geração.
Última verificação: 4 de novembro de 2026.
O que o ACE-Step 1.5 faz?
Segundo a documentação oficial e o repositório no GitHub, a versão completa inclui:
- Texto para música: um prompt de estilo mais a letra com marcações de seção, de 10 segundos a 10 minutos.
- Edição: versões cover de áudios existentes, nova geração de um trecho escolhido (repintura) e transformação de vocais em música de fundo.
- Seu próprio estilo: treinamento LoRA com algumas músicas. O projeto cita 8 músicas e cerca de uma hora numa RTX 3090 com 12 GB de VRAM.
- Velocidade: segundo o projeto, uma música completa leva menos de 2 segundos numa A100 e menos de 10 numa RTX 3090.
Como rodar o ACE-Step 1.5 no seu computador?
Siga o guia de instalação oficial: baixe o código, configure o Python 3.11 ou 3.12, baixe os modelos e abra a interface web. Segundo o projeto, o modelo base roda com menos de 4 GB de VRAM. Com mais memória, a tabela de GPUs recomenda somar um modelo de linguagem maior para resultados melhores.
Rodar por conta própria não custa nada além do hardware e libera todos os recursos acima. Se você não tem uma GPU adequada, ou só quer testar alguns prompts antes, a versão do navegador abaixo não exige nenhuma configuração.
Como usar o ACE-Step 1.5 online?
No RaoMusic, o ACE-Step 1.5 é um dos motores do menu de modelos da página Criar.
- Escolha ACE-Step 1.5 no menu de modelos.
- Escolha um modo. No Simples, descreva em uma frase o uso, o clima e os instrumentos, e ative Instrumental se quiser uma base de fundo. No Personalizado, cole a letra com marcações como
[Verse]e[Chorus]e acrescente uma linha de estilo. Nosso guia para transformar sua própria letra em música mostra como formatá-la. - Defina a duração entre 10 e 600 segundos. O padrão é 120.
- Decida se mantém o Raciocínio ligado (veja abaixo) e clique em Gerar.
Cada geração entrega uma faixa: um MP3 para ouvir e um FLAC sem perdas para baixar. Para comparar o ACE-Step com os outros motores usando a mesma letra, veja nossa comparação de modelos de música com IA.
Vale a pena ligar o Raciocínio?
O Raciocínio vem ligado por padrão. Ele é mais lento e custa o dobro por segundo, e o RaoMusic o descreve como uma opção que costuma soar melhor: 0,16 crédito por segundo ligado e 0,08 desligado, arredondado para cima, com mínimo de 10 créditos. Por causa desse mínimo, qualquer coisa de até mais ou menos um minuto custa 10 créditos nos dois casos, então em clipes curtos o Raciocínio sai de graça. Nos 120 segundos padrão, são 20 créditos em vez de 10.
O custo maior é a espera. No nosso teste abaixo, a geração com Raciocínio levou cerca de nove vezes mais tempo do que sem. Desligue para rascunhar ideias rápido e ligue para a versão que você pretende manter.
Quais configurações avançadas vale mudar?
As quatro são opcionais. Deixe no automático no primeiro rascunho e acrescente uma de cada vez quando a faixa precisar combinar com algo:
- BPM: um número inteiro de 30 a 300, quando a música precisa bater com um corte de vídeo ou uma batida existente.
- Tom: como C Major, Am ou F# minor, quando a faixa vai tocar junto com outra parte.
- Compasso: 2/4, 3/4, 4/4 ou 6/8, por exemplo 3/4 para uma valsa.
- Idioma do vocal: escolha o idioma da sua letra ou deixe em Automático para o modelo detectar.
Qual foi a diferença entre Raciocínio ligado e desligado no nosso teste?
Rodamos o mesmo prompt no modo Simples duas vezes, com Instrumental ligado e duração de 60 segundos, uma com Raciocínio e outra sem, e cronometramos cada geração do pedido até a faixa ficar pronta.
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. (Uma base curta de lo-fi hip-hop instrumental para programar tarde da noite, piano elétrico quente, bateria suave com vassourinhas, baixo arredondado, sem vocal.)
| Configuração | Raciocínio ligado | Raciocínio desligado |
|---|---|---|
| Duração | 60 segundos | 60 segundos |
| Créditos | 10 | 10 |
| Tempo até ficar pronta | Cerca de 4 minutos (243 s) | Cerca de 28 segundos |
Raciocínio ligado
Nota de audição: piano elétrico quente, baixo suave e uma batida relaxada de vassourinhas desde o início. Serve do jeito que está como fundo de uma live de programação ou de um tutorial. No último instante aparece um som leve, soprado, parecido com voz, então corte o último segundo antes de publicar.
Raciocínio desligado
Nota de audição: o mesmo piano e o mesmo baixo, sem vocal, mas a bateria só entra depois de uns 20 segundos e soa mais como batidas de hip-hop filtradas do que como vassourinhas. Funciona como fundo tranquilo. Se você precisa da batida desde o primeiro compasso, gere de novo ou ligue o Raciocínio.
Com Raciocínio, o resultado seguiu o prompt mais de perto; sem ele, foi bem mais rápido e ainda utilizável. Como nessa duração o Raciocínio não custa nada a mais, ele é o melhor padrão para clipes curtos se você puder esperar alguns minutos. Há mais prompts nesse estilo no nosso guia de música lo-fi.
Perguntas frequentes
O projeto é distribuído sob a licença MIT, que permite o uso comercial do código e do modelo. O README também pede que você confira se as faixas são originais e informe o uso de IA. As faixas que você gera no RaoMusic são cobertas pela licença comercial livre de royalties do RaoMusic.
O projeto cita mais de 50. No RaoMusic, o menu de idioma do vocal oferece inglês, chinês, japonês, coreano, espanhol, francês e alemão, além de Automático, que deixa o modelo detectar o idioma pela letra.
Com o ACE-Step em si, não. A versão do navegador só gera música a partir de texto. Geração de covers, repintura e áudio de referência fazem parte da versão local.
Sim. Quando a cópia em MP3 estiver pronta, você pode estender a faixa, fazer uma versão cover ou adicionar vocais ou instrumental com as outras ferramentas do RaoMusic. Substituir um único trecho não está disponível para faixas do ACE-Step.
Uma variante maior lançada em abril de 2026, com um decodificador de 4 bilhões de parâmetros para mais qualidade de áudio. É voltada ao uso local e precisa de pelo menos 12 GB de VRAM com offloading, ou 20 GB sem.