★ FEATURED ARTICLE 人工智能大模型音乐生成媒体生成语音【免费下载链接】ACE-Step-1.5-planner-0.6B-bf16项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/ACE-Step-1.5-planner-0.6B-bf16点击查看免费下载ACE-Step 1.5 是当前开源社区关注度很高的文本生成音乐text-to-audio模型体系输入一段描述和歌词就能输出一首 48kHz 立体声歌曲。本文解读的 ACE-Step-1.5-planner-0.6B-bf16 仓库正是其中规划器planner的 MLX bf16 轻量版——专为 Apple Silicon 设计的 0.6B 参数音乐语言模型。 ACE-Step 1.5 音乐生成模型是什么简单说ACE-Step 1.5 是一个会写歌的 AI 系统给它歌曲描述caption和带结构的歌词verse/chorus它就能生成一首完整歌曲。这个仓库里的模型叫lite planner轻量规划器核心信息如下基于 Qwen3-0.6B 微调而来的语言模型保留 217,204 词表采用两阶段规划先输出一段推理reasoning再生成音频码audio codes5Hz 节奏每秒生成 5 帧音频语义兼顾质量与速度MLX 格式、bf16 精度310 个张量权重与官方检查点逐位一致定位是planner: .lite0_6B档位面向 24GB 内存的 Mac 设备 仓库文件全景每个文件负责什么文件大小作用model.safetensors约 1.3GB模型权重bf16经 Git LFS 管理config.json1.5KB模型结构与词表等配置vocab.json2.7MBQwen3 基础词表151,643 个 tokenadded_tokens.json2.2MB65,535 个新增音频码 token 的映射merges.txt1.6MBBPE 分词合并规则tokenizer.json / tokenizer_config.json24MB / 14MB完整分词器定义与配置special_tokens_map.json1.8MB特殊 token音频码、思考标签等索引chat_template.jinja4.1KB对话提示模板含思考块逻辑LICENSE / NOTICE-MIT 许可文本与版权溯源说明 本镜像通过 Git LFS 存储大文件model.safetensors等文件在工作目录中显示为指针文件克隆时会自动拉取真实数据。 配置解读0.6B 参数量的小身材打开 config.json 可以看到这份音乐模型的全部骨架架构Qwen3ForCausalLM28 层全注意力层宽度hidden_size 1024、intermediate_size 3072激活函数 silu注意力16 个查询头 8 个 KV 头GQA 分组查询注意力head_dim 128词表vocab_size 217,204且词嵌入与输出层共享权重tie_word_embeddings进一步省内存上下文max_position_embeddings 40,960足以容纳长歌词精度bfloat16rope_theta 1,000,000对新手来说0.6B 意味着什么相比常见的 7B 模型它的显存/内存需求低一个量级——这也是它能在 MacBook 上本地生成音乐的关键。 从文字到歌曲四件套协作的完整旅程单独一个 planner 并不会直接唱歌。ACE-Step 1.5 完整推理需要加载四个组件见 README.md 的 Use 一节文本编码器把歌曲描述与歌词编码成语义向量规划器planner也就是本仓库的模型先写一段创作推理再逐帧吐出音频码——相当于 AI 作曲家turbo DiT扩散模型把音频码解码成音频潜表示VAE把潜表示还原为 48kHz 立体声波形 caption lyrics → 文本编码器 → 规划器(推理块 audio codes) → turbo DiT → VAE → 48kHz 立体声歌曲除了文本变歌曲这套体系还支持参考音频音色、翻唱/重绘/延长cover / repaint / extend以及生成 LRC 歌词时间戳。 217,204 词表是如何拼出来的这是这个仓库最有趣的部分。总词表由三块组成151,643个 Qwen3 基础 token见 vocab.json65,535个音频专用 token命名为|audio_code_0|到|audio_code_65534|见 added_tokens.json 与 special_tokens_map.json6个推理/工具标签|think|、|/think|、|tool_call|等也就是说音乐在模型眼中被量化成了 65,536 个离散符号的序列——语言模型逐 token 生成音频码再由 DiT 和 VAE 还原成你听到的 48kHz 立体声。这种音频离散化 语言模型的路线是当前文本生成音乐的主流范式之一。 如何在 Apple Silicon 上跑起来本仓库是四组件之一不能独立出声。完整流程由 MLX Swift 移植包 驱动引擎按配置装配 turbo DiT、planner、文本编码器和 VAE然后一次请求即可出歌let engine MLXServeEngine() let id try await engine.register(ACEStepPackage.registration, configuration: ACEStepConfiguration(planner: .lite0_6B)) let song try await engine.run(MusicRequest(caption: …, lyrics: [Verse]\n…, durationSeconds: 120, seed: 7), package: id)planner 档位怎么选.int8默认、.int4、.bf16、.fp32对应 1.7B 规划器的不同量化ACE-Step-1.5-planner-0.6B-bf16本仓库任意档位下均可替换为轻量规划器最适合 24GB 内存 Mac⚖️ 质量与许可证值得放心使用的 MIT 协议效果在 12 首歌曲的评测门槛上0.6B lite 规划器的 PER 为 0.179落在 1.7B 规划器 0.108–0.197 的区间内——以约 1/3 的参数量拿到接近旗舰的成绩转换保真MLX 布局转换仅调整键前缀、卷积布局与 weight-norm 折叠与官方检查点逐位bit-equal一致许可模型代码与权重为 MITCopyright (c) 2026 ACEStep基座 Qwen3 为 Apache-2.0详见 NOTICEMIT 协议意味着你可以自由地本地运行、修改甚至用于商业项目 ❓ 常见问题 FAQQ这个仓库是一个完整的音乐生成模型吗不是。它是 ACE-Step 1.5 四组件中的规划器还需搭配 turbo DiT、文本编码器和 VAE 才能生成歌曲。Q为什么叫 5Hz指音频语义帧率规划器每秒输出 5 帧音频码是速度与质量的折中设计。Q我的电脑能跑吗lite 0.6B 档定位 24GB 内存的 Mac其他档位可换 1.7B 规划器配合更大内存使用全程依托 Apple Silicon 的 MLX 运行无需独立 GPU。Qmodel.safetensors 为什么只有 135 字节这是 Git LFS 指针文件实际约 1.3GB 的权重通过 LFS 在克隆时自动下载。 总结ACE-Step 1.5 planner 0.6Bbf16把文本生成音乐的门槛拉到了笔记本级别0.6B 的 Qwen3 微调模型 65,535 个音频码 两阶段规划配合 DiT 与 VAE即可在 Mac 上把一段 caption 和歌词变成 48kHz 立体声歌曲。如果你想在本地零成本体验 AI 作曲这套 MIT 协议的模型值得作为第一站 ⭐赞分享人工智能大模型音乐生成媒体生成语音【免费下载链接】ACE-Step-1.5-planner-0.6B-bf16项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/ACE-Step-1.5-planner-0.6B-bf16点击查看免费下载相关推荐从Caption歌词到完整歌曲ACE-Step-1.5-planner-1.7B-bf16 × MLXEngine 本地音乐生成实战从Caption歌词到完整歌曲ACE Step 1.5 planner 1.7B bf16 × MLXEngine 本地音乐生成实战 想在 Apple Si人工智能大模型音乐生成音频本地部署ACE-Step-1.5-text-encoder-bf16快速上手指南5行Swift代码从Caption歌词到48kHz立体声歌曲ACE Step 1.5 text encoder bf16快速上手指南5行Swift代码从Caption歌词到48kHz立体声歌曲 ACE Step 1人工智能大模型Embedding本地部署音频音乐生成媒体生成ACE-Step-1.5-turbo-bf16 新手实战把 caption 和歌词变成 48kHz 完整歌曲的 4 步玩法ACE Step 1.5 turbo bf16 新手实战把 caption 和歌词变成 48kHz 完整歌曲的 4 步玩法 ACE Step 1.5 turb人工智能音乐生成媒体生成音频深度学习本地部署创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
