ComfyUI ACE-Step 原生示例

ACE-Step是由中国团队阶跃星辰（StepFun）与ACE Studio联合开发的​​开源音乐生成基础大模型​​，旨在为音乐创作者提供高效、灵活且高质量的音乐生成与编辑工具。

该模型采用Apache-2.0许可证发布，可免费商用。

ACE-Step 作为一个强大的音乐生成基座，提供了丰富的扩展能力。通过 LoRA、ControlNet 等微调技术，开发者可以根据实际需求对模型进行定制化训练。 无论是音频编辑、歌声合成、伴奏制作、声音克隆还是风格转换等应用场景，ACE-Step 都能提供稳定可靠的技术支持。 这种灵活的架构设计大大简化了音乐 AI 应用的开发流程，让更多创作者能够快速将 AI 技术应用到音乐创作中。

目前 ACE-Step 已经发布相关的训练代码，包括 LoRA 模型训练等，对应 ControlNet 的训练代码也将在未来陆续发布，你可以访问他们的Github 来了解更多详情。

​

ACE-Step ComfyUI 文本到音频生成工作流示例

​

1. 工作流及相关模型下载

点击下面的按钮下载对应的工作流文件，拖入 ComfyUI 中即可加载对应的工作流信息，对应工作流已包含模型下载信息。

你也可以手动下载ace_step_v1_3.5b.safetensors 后保存到 ComfyUI/models/checkpoints 文件夹下

​

2. 按步骤完成工作流的运行

1. 确保 Load Checkpoints 节点加载了 ace_step_v1_3.5b.safetensors 模型
2. 在 TextEncodeAceStepAudio 的 tags 输入对应的音乐风格等等
3. 在 TextEncodeAceStepAudio 的 lyrics 中输入对应的歌词，如果你不知道该输入哪些歌词
4. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行音频的生成。
5. 等待内容生成返回结果后，你可在 Save Audio 节点中查看生成的音频，你可以点击播放试听，对应的音频也会被保存至 ComfyUI/output/audio （由Save Audio节点决定子目录名称）。

​

ACE-Step ComfyUI 音频到音频工作流

你可以像图生图工作流一样，输入一段音乐，使用下面的工作流来达到重新对音乐采样生成，同样，你也可以通过控制 Ksampler 的 denoise 来调整和原始音频的区别程度。

通过这样的流程，可以实现对音乐的重新编辑，来达到你想要的效果。

​

1. 工作流文件下载

点击下面的按钮下载对应的工作流文件，拖入 ComfyUI 中即可加载对应的工作流信息

下载下面的音频作为输入音频

​

2. 按步骤完成工作流的运行

1. 确保 Load Checkpoints 节点加载了 ace_step_v1_3.5b.safetensors 模型
2. 在 LoadAudio 节点上传前面提供的音频文件
3. （可选）在 TextEncodeAceStepAudio 的 tags 输入对应的音乐风格等等
4. (可选) 在 TextEncodeAceStepAudio 的 lyrics 中输入对应的歌词，可以参考文本提示词指南部分（仍在更新中）或 ACE-Step 项目页面中的歌词示例
5. 修改 Ksampler 节点的 denoise 参数，来调整采样过程中添加的噪声来调整与原始音频的相似程度，（越小与原始音频越相似，如果设置为 1.00则可以近似认为没有音频输入）
6. 点击 Run 按钮，或者使用快捷键 Ctrl(cmd) + Enter(回车) 来执行音频的生成。
7. 等待内容生成返回结果后，你可在 Save Audio 节点中查看生成的音频，你可以点击播放试听，对应的音频也会被保存至 ComfyUI/output/audio （由Save Audio节点决定子目录名称）。

​

3. 工作流补充说明

1. 在 TextEncodeAceStepAudio 的 tags 中示例工作流中，将原本男声的 tags 修改为 female voice 来生成女声的音频
2. 在 TextEncodeAceStepAudio 的 lyrics 中示例工作流中，中对原本的歌词进行了调整修改，具体编辑你可以参考 ACE-Step 项目页面中的示例来了解如何完成修改

​

ACE-Step 提示词指南

ACE 的提示词目前使用的有两个，一个是 tags 一个是 lyrics。

• tags： 主要用来描述音乐的风格、场景等, 和我们平常其它生成的 prompt 类似，主要描述音频整体的风格和要求，使用英文逗号分隔
• lyrics： 主要用来描述歌词，支持歌词结构标签，如 [verse]（主歌）、[chorus]（副歌）和 [bridge]（过渡段）来区分歌词的不同部分，也可以在纯音乐情况下输入乐器名称

对应的 tags 和 lyrics 在 ACE-Step 模型主页 中可以找到丰富的示例,你可以参考对应示例来尝试对应的提示词，本文档的提示词指南基于项目做了一些整理，以便让你能够快速尝试组合，来达到最想要的效果

​

tags标签(prompt)

​

主流音乐风格

使用简短标签组合，来生成特定风格的音乐

• electronic（电子音乐）
• rock（摇滚）
• pop（流行）
• funk（放克）
• soul（灵魂乐）
• cyberpunk（赛博朋克）
• Acid jazz（酸爵士）
• electro（电子）
• em（电子音乐）
• soft electric drums（软电鼓）
• melodic（旋律）

​

场景类型

结合具体使用场景和氛围，生成符合对应氛围的音乐

• background music for parties（派对背景音乐）
• radio broadcasts（电台广播音乐）
• workout playlists（健身播放列表音乐）

​

乐器元素

• saxophone,
• azz（萨克斯风、爵士）
• piano, violin（钢琴、小提琴）

​

人声类型

• female voice（女声）
• male voice（男声）
• clean vocals（纯净人声）

​

专业用语

使用音乐中常用的一些专业的用词，来精准控制音乐效果

• 110 bpm（每分钟节拍数为110）

• fast tempo（快节奏）

• slow tempo（慢节奏）

• loops（循环片段）

• fills（填充音）

• acoustic guitar（木吉他）

• electric bass（电贝斯）

​

歌词（lyrics）

​

歌词结构标签

• [intro] (前奏)
• [verse] (主歌)
• [pre-chorus] (导歌)
• [chorus] (副歌/合唱)
• [bridge] (过渡段/桥段)
• [outro] (尾声)
• [hook] (钩子/主题旋律)
• [refrain] (重复段落)
• [interlude] (间奏)
• [breakdown] (分解段)
• [ad-lib] (即兴段落)

​

多语言支持

• ACE-Step V1 是支持多语言的，实际使用的时候 ACE-Step 会获取到对应的不同语言转换后的英文字母，然后进行音乐生成。
• 在 ComfyUI 中我们并没有完全实现全部多语言到英文字母的转换，目前仅实现了日语平假名和片假名字符 所以如果你需要使用多语言来进行相关的音乐生成，你需要首先将对应的语言转换成英文字母，然后在对应 lyrics 开头输入对应语言代码的缩写，比如中文[zh] 韩语 [ko] 等

比如：

[zh]ni hao
[ko]an nyeong

目前 ACE-Step 支持了 19 种语言，但下面十种语言的支持会更好一些：

• English
• Chinese: [zh]
• Russian: [ru]
• Spanish: [es]
• Japanese: [ja]
• German: [de]
• French: [fr]
• Portuguese: [pt]
• Italian: [it]
• Korean: [ko]

​

ACE-Step 相关资源

• 项目主页
• Hugging Face 模型
• GitHub 仓库
• 训练脚本