隨著 2026 年生成式 AI 技術的演進，高品質的音樂創作已不再是雲端訂閱服務的專利。最近開源界迎來了劃時代的進展 —— ACE-Step 1.5 正式發布，這是一款由 ACE Studio 與 StepFun 共同打造的頂尖開源音樂基礎模型。ACE-Step 1.5 採用了創新的「混合語言模型 (LM) + 擴散變換器 (DiT)」架構，將語言模型作為智慧規劃器，能將簡單的文字指令轉化為精密的音樂藍圖，實現了從短循環到長達 10 分鐘的連貫創作。這不僅達到了商業級的輸出音質，更讓生成速度達到了驚人的境界：在 RTX 3090 等級的顯示卡上，僅需不到 10 秒即可生成完整曲目。我的 RTX 5070 Ti 16 GB VRAM + 64 GB RAM 實際生成兩分鐘的音樂首次花費約三分鐘的時間，也是蠻快速的了！
對於 ComfyUI 的使用者來說，現在可以直接透過官方提供的範例工作流，在本地端流暢地運行這款模型。ACE-Step 1.5 的強大之處在於其極低的硬體門檻，僅需不到 4GB 的顯示記憶體即可運作，且支援超過 50 種語言的歌詞精準對齊。這意味著創作者可以完全掌控生成過程，無需擔心隱私洩漏或昂貴的訂閱費用。本文將帶領大家透過 ComfyUI 整合 ACE-Step 1.5，從工作流載入到模型自動下載，體驗 2026 年當前最具效率的本地開源音樂生成方案。
▲ 啟動 ComfyUI 後，首先點擊 LOGO 選單的「File」，選擇「Open」來載入 ACE-Step 1.5 的範例工作流檔案。這次我們直接使用官方提供的標準範例工作流，它已經預先配置好所有必要的節點與路徑邏輯，能大幅簡化初次設定的複雜度。
▲ 載入工作流後，ComfyUI 若偵測到本地目錄缺少模型權重，會自動彈出「Missing Models」提示視窗。在此可以直接看到所需的 ace_step_1.5_turbo_aio.safetensors 模型檔（約 9.34 GB），點擊後方的「Download」按鈕，系統將自動從遠端倉庫抓取並存放到正確路徑。
▲ 模型下載過程中會顯示即時進度，完成後該項目前方會出現綠色的勾選符號，代表權重已正確部署。此時只需點擊視窗右上角的「X」關閉對話框，ComfyUI 就會自動識別並加載下載好的模型，準備進入後續的 AI 音訊推理階段。
▲ 工作流主介面清晰地劃分為三個核心步驟。Step 1 負責加載剛下載的 Checkpoint 模型；Step 2 可設定音樂總長度（例如 120 秒）與隨機種子模式；Step 3 則是提示詞區塊，可在此輸入風格標籤（Tags）與歌詞（Lyrics），細膩定義音樂的風格與結構。
▲ 接著是負責音訊合成的運算區塊，包含處理潛在空間數據的 KSampler 以及負責最終輸出的音訊解碼節點。最後連接至「Save Audio (MP3)」儲存節點，我們在此將品質設定為 V0，確保產出的 MP3 檔案具備極高保真度。
▲ 確認所有參數設定無誤後，點擊上方工具列的「Run」按鈕即可開始生成。本次示範的是「純音樂（Instrumental）」生成，因此歌詞欄位（下）保持空白即可，風格標籤（上）我填入 Cinematic, Ethereal, Japanese style, Grand, Majestic, Piano, Orchestral Strings, Atmospheric, Airy, Zen, Aerial photography BGM, High fidelity.。生成時可以看到節點周圍出現綠色邊框，並在上方顯示原生進度條，表示系統正全力進行旋律合成。
▲ 生成完成後，Save Audio 節點會直接出現內建播放器供即時預覽，下方顯示已成功產出 2 分鐘的完整音軌。以我修改的設定來說，所有作品都將自動儲存於 ComfyUI\output\ACE-Step 路徑中。
《上一篇》Z-Image Turbo：讓角色更生動！30 款二次元動漫手部動作提示詞大公開 
留言區 / Comments
萌芽論壇