ACE-Step 1.5
Suno の代替。曲調の説明と歌詞から歌つきの曲を作る、自分の GPU で動かす音楽生成モデルとアプリ
オープンソース代替：Suno
サーバーは不要。パソコン（Windows・Mac・Linux） にインストールして、無料で使えます 導入方法を見る ↓
- ARM対応
- クラウド版あり
- 商用利用可
- 日本語UI
- 日本語ドキュメント
ACE-Step 1.5 は、曲調の説明と歌詞から歌入りの曲を作るオープンソースの音楽生成モデルと、その操作画面です。10秒〜10分の曲を作れ、歌詞は50以上の言語、1,000種類以上の楽器・スタイルの指定に対応します。参考音源をもとにした生成、カバーの作成、一部分だけの作り直し、パートの分離、伴奏の追加（Vocal2BGM）、BPM・キー・拍子の指定、歌詞のタイムスタンプ（LRC）の生成があり、自分の曲で LoRA（少ない計算で AI に追加学習させる手法）を学習させて作風を寄せることもできます（README の例では RTX 3090 で8曲・約1時間）。README は「多くの商用の音楽モデルを上回る品質」と主張しています。
AI の頭脳はすべて自分のマシンで動き、API キーは不要です。曲を作る DiT モデル（2B と XL の 4B）と、Qwen3 をもとにした計画用の言語モデル（0.6B〜4B）を組み合わせます。CUDA 対応 GPU が推奨で、Apple シリコン（MPS／MLX）、AMD（ROCm）、Intel GPU、CPU にも対応します。README の目安では、VRAM（GPU に積まれた専用メモリ）6GB以下でも 2B turbo（言語モデルなし・量子化〈精度を少し落としてモデルを軽くする工夫〉と CPU への退避つき）で動き、8〜16GB で言語モデルを併用、XL は VRAM 12GB以上（退避と量子化を使う場合）か20GB以上が必要です。RTX 3090 では1曲10秒未満で生成できるとしています。必要メモリ（RAM）の数値は公表されていません。
Python 3.11〜3.12 と uv で入れてブラウザの画面（Gradio）か REST API で使うのが基本で、Windows と Mac には依存関係込みのポータブル版、Docker 用の設定、DAW（音楽制作ソフト）から使う VST3 プラグイン（別リポジトリ）もあります。インストールせずに試せる公式の Web サービス acemusic.ai は、README で無料と案内されています。main ブランチの最終コミットは 2026-08-29、最新リリースは v0.1.8（2026-05-18）で、2026-10-15 までの30日間はコミットがありません。
日本語対応
リポジトリに Gradio 画面の日本語翻訳ファイル（acestep/ui/gradio/i18n/ja.json）と、日本語のドキュメント（docs/ja/ のインストール・チュートリアル・GPU 互換性・LoRA 学習など）があります。
※ 日本語化率はリポジトリ内の翻訳ファイル（acestep/ui/gradio/i18n/ja.json）の項目数を英語版と比較して自動計測しています。最終計測：2026/10/21
向いている人・向いていない人
向いている
- Suno の月額やクレジットを気にせず、自分の GPU で何度も曲を作り直したい
- 曲の一部だけの作り直し、カバー、伴奏づけなど編集もしたい
- 自分の曲で LoRA を学習させて、作風を寄せたい
- API や VST3 プラグインで、自分の制作環境に組み込みたい
向いていない
- GPU のないパソコンで実用的な速さで作りたい（CPU でも動くが、CUDA 対応 GPU が推奨）
- Python の環境構築を避けたい（Windows・Mac はポータブル版があるが、基本は uv での導入）
- 活発に更新されるソフトを使いたい（main の最終コミットは 2026-08-29、最新リリースは 2026年5月の v0.1.8）
- 既存の曲に似せた曲を量産したい（著作権侵害のおそれがあり、README も注意を促している）
最近の更新
-
リリースノート（原文）
## 🐳 Docker Support New generic Dockerfile and CI auto-build workflow. Container images are now automatically built and pushed to `ghcr.io/ace-step/ace-step-1.5` on every release. ```bash docker run --gpus all -p 7860:7860 -v ./checkpoints:/app/checkpoints ghcr.io/ace-step/ace-step-1.5:0.1.8 ``` ## 🎵 Retake — Controllable Variation Generation Ported from 1.0: generate variations by mixing fresh noise into the diffusion start. `retake_variance` 0.0-1.0. (#1157, #1158, #1159) ## ✏️ Flow-Edit — Prompt-Guided Audio Editing Ported from 1.0: prompt-guided editing of existing audio. Redesigned as overlay on Remix. (#1162, #1163, #1169) ## 🔧 Repaint Improvements - Cache generated source latents (#1177) - **fix(mlx)**: repaint step-injection + boundary blend on Mac (#1197) ## 🐛 Bug F…
-
リリースノート（原文）
## 🎛️ DCW (Differential Correction in Wavelet domain) The headline of this release: we ship **DCW**, a training-free, sampler-side correction from *Elucidating the SNR-t Bias of Diffusion Probabilistic Models* (CVPR 2026, arXiv:[2604.16044](https://arxiv.org/abs/2604.16044), reference: [AMAP-ML/DCW](https://github.com/AMAP-ML/DCW)). DCW decomposes each DiT sampler step's latent and its x0-reconstruction via a 1-D DWT along the time axis, then pushes the low / high frequency bands away from the reconstruction per-band. It compensates for the drift between training and inference SNR with negligible compute and no retraining. **Defaults** (tuned via grid search on the pure-DiT path): - `dcw_enabled = True` - `dcw_mode = "double"`, `dcw_scaler = 0.05`, `dcw_high_scaler = 0.02` - `dcw_wavele…
-
リリースノート（原文）
## 🎉 ACE-Step 1.5 XL (4B DiT) Release We introduce the **XL series** — a larger 4B-parameter DiT decoder for higher audio quality. XL achieves **best scores across all 11 benchmark metrics**, surpassing all commercial and open-source models. ### New Models | Model | Steps | CFG | HuggingFace | |-------|:-----:|:---:|-------------| | `acestep-v15-xl-base` | 50 | ✅ | [Link](https://huggingface.co/ACE-Step/acestep-v15-xl-base) | | `acestep-v15-xl-sft` | 50 | ✅ | [Link](https://huggingface.co/ACE-Step/acestep-v15-xl-sft) | | `acestep-v15-xl-turbo` | 8 | ❌ | [Link](https://huggingface.co/ACE-Step/acestep-v15-xl-turbo) | - **Weights**: ~9GB (bf16) vs ~4.7GB for 2B - **Min VRAM**: 12GB with offload, 20GB+ recommended - **LM compatibility**: All LM models (0.6B/1.7B/4B) fully compatible ### F…
導入方法（インストール）
Python 3.11〜3.12 と uv で入れる方法が基本で、Windows と macOS（Apple シリコン）向けには依存関係込みのポータブル版（README からリンク）があります。起動するとブラウザで操作する画面（http://localhost:7860）が開きます。Docker（docker-compose.yml）でも動かせます。
- 公式の配布元からダウンロード ― GitHub の Releasesから、使っているOSに合うファイルを選びます。名前の似た非公式の配布ページに注意してください
- インストールして起動 ― 詳しくは公式ドキュメントを参照してください
Suno と比べていくら安くなる？
| 契約 | Suno（年額） | ACE-Step 1.5（年額） | 差額 |
|---|---|---|---|
| 1契約 | 18,000円 | 0円 | −18,000円 |
※ Suno は 無料プランあり（1日50クレジット・商用利用不可・ダウンロード不可）。Pro は月額10ドル（約1,500円、年払いなら年96ドル）で月2,500クレジット・商用利用可・月20曲ダウンロード。Premier は月額30ドル（約4,500円、年払いなら年288ドル）で月1万クレジット・月60曲、ACE-Step 1.5 は無料のソフトとして試算。パソコン本体の費用と、機能の違いによる手間は含みません。
AI・LLMの他のOSSと比較
| ソフト | ★ Stars | 最終更新 | 日本語UI | 必要RAM | 難易度 | ライセンス |
|---|---|---|---|---|---|---|
| ACE-Step 1.5（このページ） | 13,880 | 2週間前 | 91% | パソコン（Windows・Mac・Linux） | ふつう | MIT |
| OpenClaw | 392,681 | 1日前 | あり | パソコン（Windows・Mac・Linux） | ふつう | MIT |
| Hermes Agent | 255,836 | 1日前 | 100% | パソコン（Windows・Mac・Linux） | ふつう | MIT |
| Ollama | 184,319 | 11時間前 | 未検出 | 8GB | かんたん | MIT |
よくある質問
ACE-Step 1.5 は無料ですか？
コードは MIT ライセンスで、Hugging Face のモデルカードでもモデル（Ace-Step1.5、XL 版など）は MIT と表示されています（2026-10-15 確認）。ソフトもモデルも無料で、かかるのは GPU のあるマシンと電気代です。公式の Web サービス acemusic.ai も README では無料と案内されています。
作った曲を商用利用できますか？
ライセンスは MIT なので、ソフトとモデルの利用に商用の制限はありません。ただし、生成した曲が既存の曲に似てしまうリスクは利用者が負います。配信サービスに出す場合は、AI 生成楽曲についての各サービスの規約も確認してください。
どれくらいの GPU が必要ですか？
README の目安では、VRAM 6GB以下でも軽い構成で動き、8〜16GB で言語モデルを併用でき、高音質の XL 版は VRAM 12GB以上（退避と量子化を使う場合）か20GB以上が必要です。Apple シリコン・AMD・Intel GPU・CPU にも対応しますが、速さは CUDA 対応 GPU が有利です。
日本語の歌詞で曲を作れますか？
README によると、歌詞は50以上の言語に対応しています。画面の日本語翻訳と日本語のドキュメント（docs/ja/）もあります。
偽サイトに注意が必要と聞きました
README は、ACE-Step を名乗る偽のドメインに注意し、そうしたサイトで支払いをしないよう呼びかけています。ダウンロードは GitHub のリポジトリと、README からリンクされた配布先を使ってください。
Suno の他の代替
ElevenLabs・Suno の代替。読み上げ・声のクローン・歌つきの曲作りをパソコン上で行う音声・音楽スタジオ
- ARM対応
- 商用利用可
- 日本語UI