Ace Step 1.5 : génération musicale avec voix, paroles et contrôle du style par tags dans Models et via l’API | RunComfy

Ace Step 1.5 est un modèle de génération musicale d’acestep-ai qui transforme des tags de style et des paroles structurées facultatives en morceaux complets, avec mélodie, rythme et voix. Dans un flux texte-vers-audio sur RunComfy, vous décrivez le genre, l’ambiance et la structure ; Ace Step 1.5 produit ensuite une composition cohérente dont le phrasé suit les paroles. Il s’adresse aux créateurs qui souhaitent générer rapidement de la musique à partir de prompts, sans passer par une composition manuelle.

Ace Step 1.5 convient particulièrement à la création de musique de fond pour la vidéo, de courtes maquettes de chanson, de boucles d’ambiance, de jingles publicitaires et de pistes de référence pour les scènes de jeu. Ses tags permettent d’orienter le genre, l’instrumentation et l’énergie avec quelques mots. La génération de voix et de paroles en fait aussi un bon outil pour les premières versions d’une chanson et le prototypage créatif.

Par rapport à la première version, Ace Step 1.5 conserve le contrôle par tags et la durée maximale de 4 minutes, tout en étendant la prise en charge des paroles multilingues à plus de 50 langues et en améliorant l’interprétation des paroles structurées. Contrairement aux systèmes exclusivement instrumentaux, il produit en une seule passe voix, instrumentation et phrasé synchronisé. Le paramètre seed permet également aux développeurs de reproduire un résultat pour itérer de façon cohérente dans une direction donnée.

Designers, artistes techniques, vidéastes et équipes produit peuvent utiliser Ace Step 1.5 pour les bandes-annonces, les contenus sociaux, les prototypes audio de jeux, les vidéos e-commerce et les créations publicitaires. Les développeurs peuvent l’intégrer à des pipelines qui génèrent une bande-son à la demande à partir des métadonnées d’une scène ou d’un brief de campagne. Comme Ace Step 1.5 gère à la fois les voix et les instrumentaux dans de nombreuses langues, une seule interface couvre une grande variété de besoins audio.

Ace Step 1.5 accepte une durée flexible de 5 à 240 secondes (4 minutes) par génération, avec un seul champ tags obligatoire et des lyrics structurées facultatives. D’autres contraintes, notamment les formats audio pris en charge et les combinaisons de tags, dépendent de la configuration actuelle du fournisseur. Consultez donc le panneau de paramètres RunComfy avant de bâtir votre intégration ; les limites peuvent varier selon le mode ou le fournisseur.

Dans l’interface web RunComfy AI Playground, ajustez les tags de style, les paroles, la durée et le seed jusqu’à ce que la sortie texte-vers-audio d’Ace Step 1.5 corresponde à votre objectif. Une fois la configuration stabilisée, appelez le même modèle via l’API RunComfy avec des paramètres identiques pour automatiser la génération depuis votre backend ou votre pipeline de contenu. Vous pouvez ainsi itérer dans le navigateur puis exécuter la production en code, sans modifier le comportement du modèle.

Les générations Ace Step 1.5 consomment des crédits USD de votre solde RunComfy et, d’après les informations disponibles auprès du fournisseur, sont facturées $0.0003 par seconde. Les nouveaux utilisateurs disposent généralement d’un montant d’essai gratuit en USD ; l’utilisation suit ensuite les règles affichées dans la section Generation de la page du modèle. Consultez cette section sur RunComfy pour connaître le tarif actuel et les éventuelles différences entre modes.