ACE-Step
Gradio UI के साथ एक ओपन म्यूजिक-जेनरेशन मॉडल जो टेक्स्ट-से-म्यूजिक, रिपेंटिंग,Lyric एडिटिंग और ट्रैक्स को बढ़ाने की सुविधा देता है।
अपने खुद के GPU पर, टैग और lyrics से गाने जनरेट करें और फिर उन्हें रीटेक, रिपेंट, एडिट या एक्सटेंड करें।
ACE-Step म्यूजिक जनरेशन के लिए एक ओपन फाउंडेशन मॉडल है जिसे आप वेब इंटरफेस के माध्यम से अपनी खुद की मशीन पर चलाते हैं। यह उन तकनीकी रूप से कुशल संगीतकारों और प्रोड्यूसर्स के लिए उपयुक्त है जो लोकल जनरेशन और एडिटिंग कंट्रोल चाहते हैं और जिनके पास GPU है।
यह क्या है
आप [verse] और [chorus] जैसे स्ट्रक्चर मार्कर के साथ टैग और lyrics दर्ज करते हैं, और मॉडल एक ट्रैक जनरेट करता है। इंटरफेस में रीटेक, चुनिंदा हिस्सों की रिपेंटिंग, एडिट (केवल lyrics या रीमिक्स) और एक्सटेंड टैब भी मिलते हैं, और README में Lyric2Vocal, Text2Samples और रैप मशीन रैप LoRA जैसे LoRA ऐड-ऑन का उल्लेख है।
किसके लिए
यह उन प्रोड्यूसर्स, गीतकारों और साउंड डिजाइनरों के लिए उपयुक्त है जो डेमो वोकल, लूप और स्केच स्थानीय रूप से जनरेट करना चाहते हैं। यह कोई पॉलिश किया हुआ डेस्कटॉप ऐप नहीं है; आपको Python इंस्टॉल करना होगा और इसे टर्मिनल से चलाना होगा।
मुख्य विशेषताएँ
Text-to-music tab
स्ट्रक्चर मार्करों के साथ वर्णनात्मक टैग और lyrics से ट्रैक जनरेट करें।
Repainting
बाकी हिस्से को वैसे ही रखते हुए ट्रैक की चुनिंदा समय सीमा को दोबारा जनरेट करें।
Lyric editing
धुन और संगत (accompaniment) को सुरक्षित रखते हुए lyrics के छोटे हिस्सों को बदलें।
Extend tab
किसी मौजूदा पीस की शुरुआत या अंत में म्यूजिक जोड़ें।
LoRA applications
Lyric2Vocal और Text2Samples LoRA वोकल डेमो और इंस्ट्रूमेंट लूप बनाते हैं।
Low-VRAM mode
CPU ऑफ़लोड और ओवरलैप किए गए डिकोड विकल्प अधिकतम VRAM को लगभग 8GB तक ले आते हैं।
3 चरणों में तैयार
हमारा ईमानदार फैसला
क्या अच्छा है
- प्रोजेक्ट पर Apache 2.0 लाइसेंस, एक Gradio इंटरफेस के साथ जो रीटेक, रिपेंट, एडिट और एक्सटेंड की सुविधा देता है।
- README प्रत्येक डिवाइस के लिए थ्रूपुट नंबर देता है, जैसे कि RTX 4090 पर 27 steps पर एक मिनट के ऑडियो को रेंडर करने में लगभग 1.74 सेकंड।
- यह 19 भाषाओं का समर्थन करता है, जिनमें से दस सबसे मजबूत भाषाओं के नाम README में दिए गए हैं।
- अन्य वर्कफ़्लो में एकीकरण के लिए ComfyUI नोड्स और एक API उपयोग पथ मौजूद हैं।
कहाँ कमी है
- इसके लिए Python 3.10 या बाद के संस्करण, एक वर्चुअल वातावरण और आमतौर पर एक NVIDIA GPU की आवश्यकता होती है; README के अनुसार MacBook M2 Max पर 27 steps पर प्रति मिनट लगभग 26 सेकंड लगते हैं।
- डेटा असंतुलन के कारण कम सामान्य भाषाएँ कम प्रदर्शन कर सकती हैं, ऐसा README के अनुसार है।
- विकृति (distortion) से बचने के लिए lyric एडिट केवल एक बार में छोटे सेगमेंट पर काम करते हैं।
- StemGen और Singing2Accompaniment जैसे रोडमैप आइटम जल्द आने वाले के रूप में सूचीबद्ध हैं, न कि शिप किए गए।
मूल्य & लाइसेंस
ACE-Step, Apache 2.0 लाइसेंस के तहत मुफ़्त है। एकमात्र लागत वह GPU या कंप्यूटर है जिस पर आप इसे चलाते हैं; README में किसी भी पेड होस्टेड प्लान का जिक्र नहीं है।
हिंदी बोलने वालों के लिए जॉब्स
876 खुले रिमोट AI-ट्रेनिंग रोल, 15 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$170 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
विकल्प
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
इसे उपयोग करें, या हमसे सेट करवाएं
सामान्य प्रश्न
मुझे किस हार्डवेयर की आवश्यकता है?
README में RTX 4090, A100, RTX 3090 और MacBook M2 Max पर स्पीड की जानकारी दी गई है, और कहा गया है कि CPU ऑफ़लोड विकल्पों के साथ VRAM को लगभग 8GB तक कम किया जा सकता है।
क्या मैं आउटपुट का व्यावसायिक रूप से उपयोग कर सकता हूँ?
प्रोजेक्ट Apache 2.0 लाइसेंस प्राप्त है और README में कोई अलग वेट्स लाइसेंस नहीं जोड़ा गया है, लेकिन यह आपसे मौलिकता की जांच करने और AI की भागीदारी का खुलासा करने के लिए कहता है। व्यावसायिक रिलीज़ से पहले पूरा लाइसेंस पढ़ें।
क्या कोई नया वर्जन है?
README की खबरों के अनुसार ACE-Step v1.5 को 2026.01.28 को रिलीज़ किया गया था।
