ACE-Step 1.5 是一个开源音乐生成工具（MIT 许可），入口脚本为 tools/music_gen.py，模型运行在 RunPod 无服务器上。使用前需要在 .env 中提供 RUNPOD_API_KEY 与 RUNPOD_ACESTEP_ENDPOINT_ID，并可通过 run --setup 创建端点。
主要能力
- 文本生成音乐：使用 --prompt 描述风格、情绪、乐器、制作质感等，可配合 --duration、--bpm、--key 控制时长与音乐参数。
- 人声与歌词：用 --lyrics 传入歌词，支持 [Verse]、[Chorus]、[Bridge]、[Outro] 等结构标签，以及 [raspy vocal]、[whispered] 等演唱控制；大写表示高能量，括号表示和声。
- 场景预设：内置 corporate-bg、upbeat-tech、ambient、dramatic、tension、hopeful、cta、lofi 等预设，可用 --list-presets 查看，适合快速为视频场景生成配乐。
- 翻唱/风格迁移：使用 --cover --reference 参考音频，并通过 --cover-strength（0.0-1.0）控制与原曲的接近程度。
- 分轨提取：使用 --extract 从混合音频中分离 vocals、drums、bass、guitar、piano 等音轨。
- 品牌一致性：通过 --brand 加载品牌配置，用 --seed 固定随机性以便迭代。
使用方式（示例均来自资料） 基本生成： python tools/music_gen.py --prompt "Upbeat tech corporate" --duration 60 --output bg.mp3 带音乐控制： python tools/music_gen.py --prompt "Calm ambient piano" --duration 30 --bpm 72 --key "D Major" --output ambient.mp3 场景预设： python tools/music_gen.py --preset tension --duration 20 --output problem.mp3 带歌词生成： python tools/music_gen.py --prompt "Indie pop jingle" --lyrics "[verse]\nBuild it better\nShip it faster" --duration 30 --output jingle.mp3 翻唱： python tools/music_gen.py --cover --reference theme.mp3 --prompt "Jazz piano version" --duration 60 --output jazz_cover.mp3 分轨提取： python tools/music_gen.py --extract vocals --input mixed.mp3 --output vocals.mp3
提示词要点 在 caption 中分层描述风格/流派、情绪、乐器、音色、年代、制作方式和演唱方式；避免相互矛盾的描述；重要元素可重复强调；BPM 和调性应使用参数而非写进 caption。歌词用结构标签组织段落，每行保持 6-10 个音节更自然。
视频制作集成 资料给出了不同场景的预设与时长建议，例如标题用 dramatic 或 ambient（3-5 秒）、问题陈述用 tension（10-15 秒）、解决方案用 hopeful、演示用 lofi 或 corporate-bg、行动号召用 cta（5-10 秒）。背景音乐在 Remotion 中建议以 10-20% 音量混入，旁白下宜用纯器乐预设。
技术细节与限制 输出为 48kHz 的 MP3/WAV/FLAC，时长 10-600 秒，BPM 30-300；生成耗时约为 GPU 上 2-3 秒（turbo、8 步），Mac MPS 上 40-60 秒。不适用于声音克隆、音效生成或语音旁白；从视频提取音频需先用 FFmpeg 提取音频再执行 --extract。repaint、lego、complete 在资料中标注为未来功能。