- 商用レベルの品質: ほとんどの商用音楽モデルを上回る品質で、音楽的整合性スコアは 4.72
- 高速生成: A100 で 1 曲 2 秒未満、RTX 3090 で 10 秒未満
- 長時間の出力: 10 秒から 10 分までの長さに対応
- 50 以上の言語: 英語、中国語、日本語、韓国語、スペイン語、ドイツ語、フランス語、ポルトガル語、イタリア語、ロシア語をサポート
- LoRA 微調整: ComfyUI での LoRA 学習による軽量なパーソナライズ
オプション1：オールインワンチェックポイント（推奨）
AIO（All-in-One）版は、すべてのモデルを単一のチェックポイントファイルにパッケージ化しており、ダウンロードおよび管理が容易です。AIOワークフロー
Comfy Cloud で実行
Comfy Cloud で開く
ワークフローをダウンロード
JSON をダウンロードするか、テンプレートライブラリで「ACE-Step 1.5 Music Generation AIO」を検索
AIOモデルのダウンロード
ace_step_1.5_turbo_aio.safetensors
オールインワンチェックポイントファイル（大多数のユーザーに推奨）。
オプション2：分割モデルファイル
分割版では、個別のモデルコンポーネントをそれぞれ別々にダウンロードできます。分割モデルワークフロー
Comfy Cloud で実行
Comfy Cloud で開く
ワークフローをダウンロード
JSON をダウンロードするか、テンプレートライブラリで「ACE-Step 1.5 Music Generation Workflow」を検索
分割モデルのダウンロード
acestep_v1.5_turbo.safetensors
拡散モデル（Diffusion Model）。
qwen_0.6b_ace15.safetensors
テキストエンコーダー（0.6B）。
qwen_1.7b_ace15.safetensors
テキストエンコーダー（1.7B）。
ace_1.5_vae.safetensors
VAEモデル。
ComfyUIにおけるACE-Step 1.5の主要機能
思考連鎖（Chain-of-Thought）によるプランニング
ACE-Step 1.5モデルは、思考連鎖（Chain-of-Thought）推論を用いてメタデータ、歌詞、キャプションを統合し、拡散プロセスを効果的に制御します。その結果、より整合性の高い長尺楽曲の生成が可能になります。ハイブリッドLM＋DiTアーキテクチャ
ACE-Step 1.5は、楽曲構造を計画する言語モデル（LM）と、音声合成を担当する拡散トランスフォーマー（DiT）を組み合わせたハイブリッドアーキテクチャを採用しており、両者がComfyUI上でネイティブに動作します。ComfyUIへの今後の追加予定機能
以下の機能はACE-Step 1.5には既に実装済みですが、現時点ではComfyUIではまだサポートされていません：- カバー（Cover）：任意の楽曲を入力として与え、新しいプロンプトおよび歌詞とともに提示すると、モデルが全く異なるスタイルでその楽曲を再解釈・再構成します
- リペイント（Repaint）：音声の一部区間を選択し、その部分のみを再生成します。モデルは他の部分を一切変更せずに、再生成した区間をシームレスに挿入・統合します