ACE-Step UI 免费实战：5 个场景搞定本地 AI 音乐生成

【免费下载链接】ace-step-ui🎵 The Ultimate Open Source Suno Alternative - Professional UI for ACE-Step 1.5 AI Music Generation. Free, local, unlimited. Stop paying for Suno!项目地址: https://gitcode.com/GitHub_Trending/ac/ace-step-ui

先说一个典型翻车现场：你在风格框里写 "pop, rock"，生成出来的却是一首慢速抒情 ballad；再抽一次，节奏又飘了。这类问题多半不出在模型，而出在模型选择、提示词写法和参数基线上。

ACE-Step UI 是一个完全本地运行的开源 AI 音乐生成工作台，对接 ACE-Step 1.5 模型，在你自己的显卡上生成带人声的完整歌曲：免费、无队列限制、数据不出内网。

下面不按教程顺序讲，而是按你会真实遇到的 5 个场景来组织：环境跑不通、风格跑偏、局部要修、批量出稿、成品要打磨。

把本地生成环境跑通

环境搭不好，后面全是空谈。前置要求先对齐：

• Node.js：18 及以上
• Python：3.10+（推荐 3.11），Windows 可用官方便携包免装
• NVIDIA GPU：4GB 显存即可工作；12GB 以上才能舒服地开 LLM 相关功能（Thinking Mode、AI Enhance）
• FFmpeg：用于音频处理，装不上会出现歌曲时长显示 0:00 的问题

拿到代码后先装依赖，再一键启动：

git clone https://gitcode.com/GitHub_Trending/ac/ace-step-ui cd ace-step-ui ./setup.sh # Windows: setup.bat ./start-all.sh # Windows: start-all.bat

脚本默认去../ACE-Step-1.5找推理引擎；如果你的 ACE-Step 放在别处，先设置ACESTEP_PATH再启动。Linux 停服用./stop-all.sh。

浏览器打开http://localhost:3000，执行后你应该能看到一个 Spotify 风格的界面并正常进入创作页——这说明 Gradio 引擎、后端、前端三层链路都通了。

避坑：显存不足 12GB 时 Thinking Mode 会被自动禁用，这是预期行为，不是故障。

给模型选对 DiT 版本，让风格不再跑偏

面板顶部的模型选择器有 6 个候选，清单定义在 server/src/routes/generate.ts——想确认自己机器上到底下载了哪些模型，可以对照这里查，面板会标注is_preloaded，未下载的会在首次使用时自动下载，耐心等即可：

为什么单独提 shift 系列：音高偏移模型针对特定人声音域做过校正，写女声甜嗓和写低音说唱，最优模型其实不一样。

提示词和参数：一次只动一个变量

简单模式（Song Description）只需一段自然语言，建议覆盖四个维度：曲风、情绪、核心乐器、人声特征。例如："90 年代复古 synthwave，迷幻氛围，模拟合成器铺底加鼓机，女声主唱，中速 100 BPM 左右"。

自定义模式有两个容易忽略的点：

• AI 格式化按钮：在 Style 输入框旁边，由 LLM 把你写的粗标签扩写成完整 caption，并自动回填 BPM、Key、拍号、时长。如果你的标签很简短（比如只写 "pop, rock"）却总是生成抒情 ballad，先把这个开关打开。LLM 在 PT 后端下跑 CPU，不占额外显存，代价只是多等十几秒
• Vocal Language / Vocal Gender：不指定时模型可能自由发挥，中英混唱的翻车多半发生在这里

歌词用[Verse]、[Chorus]这类结构标签分段，每行控制在一句以内，副歌保持押韵。系统会自动跳过方括号标签、取第一行有效歌词当歌名（逻辑在 server/src/routes/generate.ts 的autoTitle里），所以首行别写太随意。

参数基线直接照抄默认值再微调，默认值定义在 components/CreatePanel.tsx，本身就是社区跑出来的合理起点：

• guidanceScale（引导尺度）：默认 9.0，建议区间 7.0–10.0。太高会机械，太低会跑题
• inferenceSteps（推理步数）：turbo 系默认 12、上限 20；base 模型可拉到 200。快速试词保持 12，出成品试 16–20
• duration（时长）：默认上限 240 秒、按 5 秒步进，受max_duration_with_lm/max_duration_without_lm约束，开不开 Thinking 上限不同；超长片段建议分段生成再拼接
• BPM：0 表示 Auto，需要精确卡拍时再手动指定 60–200
• inferMethod：ode确定性、可复现；sde带随机性、纹理更丰富但更慢。求稳用ode，求变化用sde
• LM 参数：lmTemperature默认 0.8（在 0.7–0.9 之间调），lmCfgScale默认 2.2（2.0–3.0），lmTopP默认 0.92。温度低一点歌词更稳，高一点更跳脱

调整顺序建议：提示词不动、只动 guidanceScale，再动 steps，最后才碰 LM 参数。一次只动一个，你才知道变化来自哪里。

避坑：批量和时长都是吃显存大户，4–8GB 显存机器先压住 batch 和 duration 再谈其他参数。

用参考音频和 Repaint 做局部修正

当你有一首风格上很接近你想要的歌，与其反复改文字，不如直接喂给模型。面板的 Reference Audio 区可以上传音频（MP3/WAV/FLAC/M4A 等，25MB 以内），上传后以referenceAudioUrl传入后端，系统参考其风格、节奏与结构。

两个进阶开关：

• audioCoverStrength（参考强度）：默认 1.0，0.8–1.2 是安全区间。调高了整首歌会非常"像"参考曲，调低了只剩隐约气质
• Repainting（局部重绘）：指定repaintingStart/repaintingEnd时间段，只重新生成某一小段，比如副歌不满意时不动主歌；配合 instruction 字段可以下达"这一段加强节奏"之类的具体指令

这套组合的价值在于把"重抽整个随机数"变成"局部修改"，迭代成本大幅下降。

批量出稿、固定种子，把挑选变成流程

AI 作曲本质是概率采样，单次结果好坏成分很大。正确姿势是批量生成再筛选：

• Batch Size：1–4，一次任务内出多个变体（8GB 显存保持 1）
• Bulk Generate：可选 1/2/3/5/10，把多个任务排队串行跑，显存占用不变，适合整夜挂机
• Random Seed：想复现某首满意的曲子，关掉随机种子开关并记下当次的 seed；想快速探索变体就换 seed

批量设置会存在浏览器里，设一次之后会记住。

有自定义模型的进阶用户还可以挂 LoRA：在 LoRA 面板填 adapter 路径（默认./lora_output/final/adapter）加载后，用loraScale控制影响强度，面板滑块范围 0–1，建议 0.7–1.0 起步；加载 LoRA 时面板会自动禁用 Thinking，避免两套机制互相打架。

用内置音频编辑器修成品，不用另装 DAW

生成完别急着听个大概就丢进歌单。仓库自带 AudioMass 音频编辑器（源码在 audiomass-editor/，服务层把它挂在/editor路径下），常用操作：

• 裁剪拼接：框选不要的段（片头噪声、重复的桥段），剪掉后直接拼接
• 段内 EQ：Paragraphic EQ 支持 peaking 节点，主唱频段被鼓组掩蔽时，可以针对选中片段单独提升，而不是全曲动刀
• 淡入淡出与音量修正
• 导出：MP3 可选 128/192/256kbps，也可以只导出选中部分；追求音质就生成时直接选 FLAC 格式

这套编辑器相当于把传统 DAW 里最常用的一小块搬进了浏览器，和桌面级 DAW 的定位对比一下：

参数速查表

下一步：挑一首你反复不满意的旧作，按"固定提示词 + 批量 2–4 个变体 + 一次只动一个参数"的流程重跑一轮，把跑出来的最优组合记进上表。这套基线跑顺之后，你下一首歌的起点就是别人还在摸索的位置。

【免费下载链接】ace-step-ui🎵 The Ultimate Open Source Suno Alternative - Professional UI for ACE-Step 1.5 AI Music Generation. Free, local, unlimited. Stop paying for Suno!项目地址: https://gitcode.com/GitHub_Trending/ac/ace-step-ui