# yaml-language-server: $schema=https://schema.zeabur.app/template.json apiVersion: zeabur.com/v1 kind: Template metadata: name: ACE-Step 1.5 spec: description: | ACE-Step 1.5 is an open-source music generation foundation model with commercial-grade quality. It features a hybrid LM + DiT architecture supporting text-to-music, lyrics-to-song, audio repainting, covers, and LoRA fine-tuning. Requires GPU with at least 6GB VRAM. coverImage: https://raw.githubusercontent.com/ace-step/ACE-Step-1.5/main/assets/ACE-Step_framework.png icon: https://raw.githubusercontent.com/ace-step/ACE-Step-1.5/main/assets/acestep_logo.png variables: - key: PUBLIC_DOMAIN type: DOMAIN name: Domain description: The domain to bind for the service - key: ACESTEP_MODE type: STRING name: Startup Mode description: 'Startup mode: gradio (Web UI on port 7860) or api (REST API server on port 8001)' - key: ACESTEP_CONFIG_PATH type: STRING name: DiT Model description: 'DiT model config to use: acestep-v15-base, acestep-v15-sft, acestep-v15-turbo, or acestep-v15-turbo-rl' - key: ACESTEP_LM_MODEL_PATH type: STRING name: LM Model description: 'Language Model to use: acestep-5Hz-lm-0.6B, acestep-5Hz-lm-1.7B, or acestep-5Hz-lm-4B. Leave empty for DiT-only mode.' - key: ACESTEP_API_KEY type: STRING name: API Key description: Optional API authentication key for the REST API. Leave empty for no authentication. tags: - AI - Music - GPU readme: | # ACE-Step 1.5 ACE-Step 1.5 is an open-source music generation foundation model developed by StepFun & ACE Studio. It combines a Language Model (LM) planner with a Diffusion Transformer (DiT) to produce commercial-grade music. ## Features - **Text-to-Music**: Generate music from text descriptions (genre, mood, BPM, key, etc.) - **Lyrics-to-Song**: Generate songs from structured lyrics with timestamps - **Audio Repainting**: Edit specific sections of existing audio - **Audio Continuation**: Extend existing audio clips - **LoRA Training**: Fine-tune with your own audio data ## Startup Mode Set `ACESTEP_MODE` to choose the service to launch: | Mode | Port | Description | |------|------|-------------| | `gradio` (default) | 7860 | Interactive Gradio Web UI for music generation | | `api` | 8001 | REST API server for programmatic access (`/generate`, `/health`) | ## GPU Requirements | VRAM | Mode | LM Model | |------|------|----------| | 6 GB | DiT-only (no LM) | None | | 6-8 GB | DiT + LM | `acestep-5Hz-lm-0.6B` | | 8-16 GB | DiT + LM | `acestep-5Hz-lm-1.7B` | | 16+ GB | DiT + LM | `acestep-5Hz-lm-4B` | ## Configuration - **ACESTEP_MODE**: Startup mode — `gradio` (Web UI) or `api` (REST API server) - **ACESTEP_CONFIG_PATH**: DiT model variant (default: `acestep-v15-turbo`) - **ACESTEP_LM_MODEL_PATH**: LM model size (default: `acestep-5Hz-lm-1.7B`) - **ACESTEP_LLM_BACKEND**: LLM backend — `vllm` (faster, needs 8GB+) or `pt` (PyTorch fallback) - **ACESTEP_API_KEY**: Optional API authentication key ## Links - [GitHub Repository](https://github.com/ace-step/ACE-Step-1.5) - [Model Zoo](https://github.com/ace-step/ACE-Step-1.5#model-zoo) - [API Documentation](https://github.com/ace-step/ACE-Step-1.5/tree/main/docs) resourceRequirement: minConfig: cpu: 4 ram: 16 recommendedConfig: cpu: 8 ram: 32 services: - name: acestep icon: https://raw.githubusercontent.com/ace-step/ACE-Step-1.5/main/assets/acestep_logo.png template: PREBUILT_V2 spec: id: acestep source: image: ghcr.io/ace-step/ace-step-1.5:v0.1.0 ports: - id: web port: 7860 type: HTTP - id: api port: 8001 type: HTTP volumes: - id: checkpoints dir: /app/checkpoints - id: outputs dir: /app/gradio_outputs - id: hf-cache dir: /root/.cache/huggingface env: ACESTEP_API_HOST: default: 0.0.0.0 ACESTEP_API_KEY: default: ${ACESTEP_API_KEY} ACESTEP_API_PORT: default: "8001" ACESTEP_CONFIG_PATH: default: ${ACESTEP_CONFIG_PATH:-acestep-v15-turbo} ACESTEP_INIT_SERVICE: default: "true" ACESTEP_LLM_BACKEND: default: vllm ACESTEP_LM_MODEL_PATH: default: ${ACESTEP_LM_MODEL_PATH:-acestep-5Hz-lm-1.7B} ACESTEP_MODE: default: ${ACESTEP_MODE:-gradio} GRADIO_PORT: default: "7860" GRADIO_SERVER_NAME: default: 0.0.0.0 NVIDIA_VISIBLE_DEVICES: default: all TOKENIZERS_PARALLELISM: default: "false" domainKey: - port: web variable: PUBLIC_DOMAIN localization: es-ES: description: | ACE-Step 1.5 es un modelo fundacional de generación musical de código abierto con calidad comercial. Presenta una arquitectura híbrida LM + DiT que soporta texto a música, letras a canciones, repintado de audio, covers y ajuste fino con LoRA. Requiere GPU con al menos 6GB de VRAM. variables: - key: PUBLIC_DOMAIN type: STRING name: Dominio description: El dominio para vincular al servicio - key: ACESTEP_MODE type: STRING name: Modo de Inicio description: 'Modo de inicio: gradio (interfaz web, puerto 7860) o api (servidor REST API, puerto 8001)' - key: ACESTEP_CONFIG_PATH type: STRING name: Modelo DiT description: 'Configuración del modelo DiT: acestep-v15-base, acestep-v15-sft, acestep-v15-turbo o acestep-v15-turbo-rl' - key: ACESTEP_LM_MODEL_PATH type: STRING name: Modelo de Lenguaje description: 'Modelo de lenguaje: acestep-5Hz-lm-0.6B, acestep-5Hz-lm-1.7B o acestep-5Hz-lm-4B. Dejar vacío para modo solo DiT.' - key: ACESTEP_API_KEY type: STRING name: Clave API description: Clave de autenticación opcional para la API REST. Dejar vacío para sin autenticación. readme: | # ACE-Step 1.5 ACE-Step 1.5 es un modelo fundacional de generación musical de código abierto desarrollado por StepFun y ACE Studio. Combina un planificador de Modelo de Lenguaje (LM) con un Transformer de Difusión (DiT) para producir música de calidad comercial. ## Características - **Texto a Música**: Genera música a partir de descripciones de texto (género, estado de ánimo, BPM, tonalidad, etc.) - **Letras a Canción**: Genera canciones a partir de letras estructuradas - **Repintado de Audio**: Edita secciones específicas de audio existente - **Continuación de Audio**: Extiende clips de audio existentes - **Entrenamiento LoRA**: Ajusta fino con tus propios datos de audio ## Modo de Inicio Configure `ACESTEP_MODE` para elegir el servicio a iniciar: | Modo | Puerto | Descripción | |------|--------|-------------| | `gradio` (predeterminado) | 7860 | Interfaz web interactiva Gradio | | `api` | 8001 | Servidor REST API (`/generate`, `/health`) | ## Requisitos de GPU | VRAM | Modo | Modelo LM | |------|------|-----------| | 6 GB | Solo DiT (sin LM) | Ninguno | | 6-8 GB | DiT + LM | `acestep-5Hz-lm-0.6B` | | 8-16 GB | DiT + LM | `acestep-5Hz-lm-1.7B` | | 16+ GB | DiT + LM | `acestep-5Hz-lm-4B` | ## Enlaces - [Repositorio GitHub](https://github.com/ace-step/ACE-Step-1.5) id-ID: description: | ACE-Step 1.5 adalah model dasar generasi musik open-source dengan kualitas komersial. Menampilkan arsitektur hibrida LM + DiT yang mendukung teks-ke-musik, lirik-ke-lagu, audio repainting, cover, dan fine-tuning LoRA. Membutuhkan GPU dengan minimal 6GB VRAM. variables: - key: PUBLIC_DOMAIN type: STRING name: Domain description: Domain untuk diikat ke layanan - key: ACESTEP_MODE type: STRING name: Mode Startup description: 'Mode startup: gradio (antarmuka web, port 7860) atau api (server REST API, port 8001)' - key: ACESTEP_CONFIG_PATH type: STRING name: Model DiT description: 'Konfigurasi model DiT: acestep-v15-base, acestep-v15-sft, acestep-v15-turbo, atau acestep-v15-turbo-rl' - key: ACESTEP_LM_MODEL_PATH type: STRING name: Model Bahasa description: 'Model bahasa: acestep-5Hz-lm-0.6B, acestep-5Hz-lm-1.7B, atau acestep-5Hz-lm-4B. Kosongkan untuk mode DiT saja.' - key: ACESTEP_API_KEY type: STRING name: Kunci API description: Kunci autentikasi opsional untuk REST API. Kosongkan untuk tanpa autentikasi. readme: | # ACE-Step 1.5 ACE-Step 1.5 adalah model dasar generasi musik open-source yang dikembangkan oleh StepFun & ACE Studio. Menggabungkan perencana Model Bahasa (LM) dengan Diffusion Transformer (DiT) untuk menghasilkan musik berkualitas komersial. ## Fitur - **Teks ke Musik**: Menghasilkan musik dari deskripsi teks (genre, suasana, BPM, kunci, dll.) - **Lirik ke Lagu**: Menghasilkan lagu dari lirik terstruktur - **Audio Repainting**: Mengedit bagian tertentu dari audio yang ada - **Kelanjutan Audio**: Memperpanjang klip audio yang ada - **Pelatihan LoRA**: Fine-tune dengan data audio Anda sendiri ## Mode Startup Atur `ACESTEP_MODE` untuk memilih layanan yang dijalankan: | Mode | Port | Deskripsi | |------|------|-----------| | `gradio` (default) | 7860 | Antarmuka web interaktif Gradio | | `api` | 8001 | Server REST API (`/generate`, `/health`) | ## Persyaratan GPU | VRAM | Mode | Model LM | |------|------|----------| | 6 GB | DiT saja (tanpa LM) | Tidak ada | | 6-8 GB | DiT + LM | `acestep-5Hz-lm-0.6B` | | 8-16 GB | DiT + LM | `acestep-5Hz-lm-1.7B` | | 16+ GB | DiT + LM | `acestep-5Hz-lm-4B` | ## Tautan - [Repositori GitHub](https://github.com/ace-step/ACE-Step-1.5) ja-JP: description: | ACE-Step 1.5 は商用品質のオープンソース音楽生成基盤モデルです。LM + DiT ハイブリッドアーキテクチャを採用し、テキストからの音楽生成、歌詞からの楽曲生成、オーディオリペイント、カバー、LoRA ファインチューニングに対応。最低 6GB VRAM の GPU が必要です。 variables: - key: PUBLIC_DOMAIN type: STRING name: ドメイン description: サービスにバインドするドメイン - key: ACESTEP_MODE type: STRING name: 起動モード description: 起動モード：gradio（Web UI、ポート 7860）または api（REST API サーバー、ポート 8001） - key: ACESTEP_CONFIG_PATH type: STRING name: DiT モデル description: 使用する DiT モデル設定：acestep-v15-base、acestep-v15-sft、acestep-v15-turbo、または acestep-v15-turbo-rl - key: ACESTEP_LM_MODEL_PATH type: STRING name: 言語モデル description: 使用する言語モデル：acestep-5Hz-lm-0.6B、acestep-5Hz-lm-1.7B、または acestep-5Hz-lm-4B。空にすると DiT のみモード。 - key: ACESTEP_API_KEY type: STRING name: API キー description: REST API のオプション認証キー。空にすると認証なし。 readme: | # ACE-Step 1.5 ACE-Step 1.5 は StepFun と ACE Studio が開発したオープンソースの音楽生成基盤モデルです。言語モデル（LM）プランナーと拡散 Transformer（DiT）を組み合わせ、商用品質の音楽を生成します。 ## 機能 - **テキストから音楽生成**：テキスト記述から音楽を生成（ジャンル、ムード、BPM、キーなど） - **歌詞から楽曲生成**：構造化された歌詞から完全な楽曲を生成 - **オーディオリペイント**：既存オーディオの特定セクションを編集 - **オーディオ継続**：既存オーディオクリップを延長 - **LoRA トレーニング**：独自のオーディオデータでファインチューニング ## 起動モード `ACESTEP_MODE` を設定して起動するサービスを選択： | モード | ポート | 説明 | |--------|--------|------| | `gradio`（デフォルト） | 7860 | インタラクティブな Gradio ウェブ UI | | `api` | 8001 | REST API サーバー（`/generate`、`/health`） | ## GPU 要件 | VRAM | モード | 言語モデル | |------|--------|------------| | 6 GB | DiT のみ（LM なし） | なし | | 6-8 GB | DiT + LM | `acestep-5Hz-lm-0.6B` | | 8-16 GB | DiT + LM | `acestep-5Hz-lm-1.7B` | | 16+ GB | DiT + LM | `acestep-5Hz-lm-4B` | ## リンク - [GitHub リポジトリ](https://github.com/ace-step/ACE-Step-1.5) zh-CN: description: | ACE-Step 1.5 是一款开源音乐生成基础模型，具有商业级品质。采用 LM + DiT 混合架构，支持文字生成音乐、歌词生成歌曲、音频重绘、翻唱和 LoRA 微调。需要至少 6GB 显存的 GPU。 variables: - key: PUBLIC_DOMAIN type: STRING name: 域名 description: 绑定到服务的域名 - key: ACESTEP_MODE type: STRING name: 启动模式 description: 启动模式：gradio（网页界面，端口 7860）或 api（REST API 服务器，端口 8001） - key: ACESTEP_CONFIG_PATH type: STRING name: DiT 模型 description: 使用的 DiT 模型配置：acestep-v15-base、acestep-v15-sft、acestep-v15-turbo 或 acestep-v15-turbo-rl - key: ACESTEP_LM_MODEL_PATH type: STRING name: 语言模型 description: 使用的语言模型：acestep-5Hz-lm-0.6B、acestep-5Hz-lm-1.7B 或 acestep-5Hz-lm-4B。留空则使用纯 DiT 模式。 - key: ACESTEP_API_KEY type: STRING name: API 密钥 description: REST API 的可选认证密钥。留空表示不需要认证。 readme: | # ACE-Step 1.5 ACE-Step 1.5 是由阶跃星辰与 ACE Studio 开发的开源音乐生成基础模型。结合语言模型（LM）规划器与扩散 Transformer（DiT），产生商业级品质的音乐。 ## 功能特色 - **文字生音乐**：从文字描述生成音乐（风格、情绪、BPM、调性等） - **歌词生歌曲**：从结构化歌词生成完整歌曲 - **音频重绘**：编辑现有音频的特定段落 - **音频延续**：延展现有音频片段 - **LoRA 训练**：使用自己的音频数据微调模型 ## 启动模式 设置 `ACESTEP_MODE` 选择启动的服务： | 模式 | 端口 | 说明 | |------|------|------| | `gradio`（默认） | 7860 | 交互式 Gradio 网页界面 | | `api` | 8001 | REST API 服务器（`/generate`、`/health`） | ## GPU 需求 | 显存 | 模式 | 语言模型 | |------|------|----------| | 6 GB | 纯 DiT（无 LM） | 无 | | 6-8 GB | DiT + LM | `acestep-5Hz-lm-0.6B` | | 8-16 GB | DiT + LM | `acestep-5Hz-lm-1.7B` | | 16+ GB | DiT + LM | `acestep-5Hz-lm-4B` | ## 链接 - [GitHub 仓库](https://github.com/ace-step/ACE-Step-1.5) zh-TW: description: | ACE-Step 1.5 是一款開源音樂生成基礎模型，具有商業級品質。採用 LM + DiT 混合架構，支援文字生成音樂、歌詞生成歌曲、音訊重繪、翻唱和 LoRA 微調。需要至少 6GB 顯存的 GPU。 variables: - key: PUBLIC_DOMAIN type: STRING name: 網域 description: 綁定到服務的網域 - key: ACESTEP_MODE type: STRING name: 啟動模式 description: 啟動模式：gradio（網頁介面，埠號 7860）或 api（REST API 伺服器，埠號 8001） - key: ACESTEP_CONFIG_PATH type: STRING name: DiT 模型 description: 使用的 DiT 模型設定：acestep-v15-base、acestep-v15-sft、acestep-v15-turbo 或 acestep-v15-turbo-rl - key: ACESTEP_LM_MODEL_PATH type: STRING name: 語言模型 description: 使用的語言模型：acestep-5Hz-lm-0.6B、acestep-5Hz-lm-1.7B 或 acestep-5Hz-lm-4B。留空則使用純 DiT 模式。 - key: ACESTEP_API_KEY type: STRING name: API 金鑰 description: REST API 的可選驗證金鑰。留空表示不需要驗證。 readme: | # ACE-Step 1.5 ACE-Step 1.5 是由階躍星辰與 ACE Studio 開發的開源音樂生成基礎模型。結合語言模型（LM）規劃器與擴散 Transformer（DiT），產生商業級品質的音樂。 ## 功能特色 - **文字生音樂**：從文字描述生成音樂（風格、情緒、BPM、調性等） - **歌詞生歌曲**：從結構化歌詞生成完整歌曲 - **音訊重繪**：編輯現有音訊的特定段落 - **音訊延續**：延展現有音訊片段 - **LoRA 訓練**：使用自己的音訊資料微調模型 ## 啟動模式 設定 `ACESTEP_MODE` 選擇啟動的服務： | 模式 | 埠號 | 說明 | |------|------|------| | `gradio`（預設） | 7860 | 互動式 Gradio 網頁介面 | | `api` | 8001 | REST API 伺服器（`/generate`、`/health`） | ## GPU 需求 | 顯存 | 模式 | 語言模型 | |------|------|----------| | 6 GB | 純 DiT（無 LM） | 無 | | 6-8 GB | DiT + LM | `acestep-5Hz-lm-0.6B` | | 8-16 GB | DiT + LM | `acestep-5Hz-lm-1.7B` | | 16+ GB | DiT + LM | `acestep-5Hz-lm-4B` | ## 連結 - [GitHub 倉庫](https://github.com/ace-step/ACE-Step-1.5)