minimax-h3/reference-to-video
从图像、视频和音频参考生成 768p 或 2K 视频
Ace Step 1.5 是一款文字转音乐模型，可将逗号分隔的风格标签和可选的结构化歌词制作成包含人声、配器与同步唱词的完整歌曲。模型支持 50 多种语言，运行高效，适合快速迭代，时长可从数秒延伸到 4 分钟（240 秒）。
输出格式：仅音频 / 时长 5–240 秒 / 立体声 / 采样率由提供方定义。
| 参数 | 必填 | 类型 | 默认值 | 范围 / 选项 | 说明 |
|---|---|---|---|---|---|
| tags* | 是（*） | string | — | 自由文本 | 以逗号分隔的曲风、情绪和乐器标签。 |
| lyrics | 否 | string | — | 自由文本或 [inst] / [instrumental] | 演唱内容；使用 [Verse]、[Chorus]、[Bridge] 等标记组织歌曲结构。 |
| duration | 否 | integer | 60 | 5–240 | 音频时长，单位为秒。 |
| seed | 否 | integer | -1 | -1–2147483647 | 用于复现结果的随机种子；-1 表示随机。 |
RunComfy 上的 Ace Step 1.5 按生成音频时长计费。
| 计费单位 | 费率 |
|---|---|
| 每生成 1 秒音频 | $0.0003 |
费用估算示例
| 时长 | 约计费用 |
|---|---|
| 30 秒 | 约 $0.009 |
| 60 秒（默认） | 约 $0.018 |
| 120 秒 | 约 $0.036 |
| 240 秒（4 分钟） | 约 $0.072 |
1) 在 RunComfy 中打开 Ace Step 1.5 模型，并展开生成面板。
2) 输入“lofi, hiphop, chill, mellow piano”等风格标签，定义曲风、情绪和配器。
3) 按需添加歌词；清晰分隔 [Verse]、[Chorus] 和 [Bridge]，或填写 [inst] 生成纯音乐。
4) 将时长设为 5–240 秒；先用短片段确认方向，再生成完整的 4 分钟版本。
5) 若要对比标签或歌词变化带来的影响，请锁定种子；希望获得更多变化时则保留 -1。
6) 运行生成、试听结果，然后从任务历史下载音频文件。
7) 通过 API 使用时，将相同字段发送到 RunComfy 上的 Ace Step 1.5 端点即可，无需自行托管。
8) 将效果出色的种子和标签组合保存为预设，以便在整个项目中保持一致的声音方向。
从图像、视频和音频参考生成 768p 或 2K 视频
使用两段音频和一张图片生成视频，并设置两位人物的发言顺序。
利用AI将静态照片快速生成自然口型、表情生动的视频内容，轻松实现人像开口说话效果。
根据文字提示词和 1～3 段参考视频生成视频，并可设置时长、输出尺寸、镜头结构、随机种子、反向提示词和音频生成。
3–15s 专业级电影感图生视频，输出每秒 $0.123 起。
将文字图像一键转化为电影级视频，支持角色一致与风格统一
Ace Step 1.5 是 acestep-ai 推出的文字转音乐模型，可将风格标签和可选的结构化歌词制作成包含旋律、节奏与人声的完整音轨。在 RunComfy 的文字转音频流程中，只需描述曲风、情绪和歌曲结构，Ace Step 1.5 就能生成唱词同步、整体连贯的音乐，适合希望跳过手工作曲、快速通过提示词创作的用户。
Ace Step 1.5 适合为视频生成背景音乐、制作短歌曲样带、氛围循环、广告短曲和游戏场景参考音轨。它擅长标签式风格控制，使用几个描述词便可调整曲风、配器和能量。人声与歌词生成功能也让 Ace Step 1.5 适合歌曲草稿和创意原型。
与原版 Ace Step 相比，Ace Step 1.5 保留标签驱动控制和最长 4 分钟时长，同时将多语言歌词支持扩展到 50 多种语言，并改进结构化歌词的处理。与纯器乐系统相比，它能一次生成原生人声、配器和同步唱词；种子参数则帮助开发者围绕选定方向稳定复现与迭代。
设计师、技术美术、视频创作者和产品团队可用 Ace Step 1.5 制作预告片、社交内容、游戏音频原型、电商视频和广告素材。开发者也可将其接入按场景元数据或活动简报即时生成配乐的流程。Ace Step 1.5 跨多种语言同时支持人声与纯音乐，一个界面即可覆盖广泛音频需求。
Ace Step 1.5 的单次生成时长可在 5–240 秒（4 分钟）之间调整，只要求填写 tags 字段，另可提供结构化 lyrics。支持的音频格式和标签组合等其他限制取决于当前提供方配置，请在正式接入前查看 RunComfy 参数面板；不同模式或提供方设置可能有所不同。
先在 RunComfy AI Playground 网页界面中调整风格标签、歌词、时长和种子，直到 Ace Step 1.5 的文字转音频结果符合目标。配置稳定后，即可通过 RunComfy API 以相同参数调用同一模型，在后端或内容流水线中自动生成；浏览器负责创意迭代，代码负责生产运行，底层模型行为不变。
Ace Step 1.5 会从 RunComfy 余额中扣除美元积分。根据现有提供方信息，模型按每秒 $0.0003 计费。新用户通常会获得一笔免费试用美元额度，之后按 Ace Step 1.5 页面 Generation 区域所示规则收费；最新费率和不同模式的差异也请以该区域为准。
RunComfy 是首选的 ComfyUI 平台，提供 ComfyUI 在线 环境和服务，以及 ComfyUI 工作流 具有惊艳的视觉效果。 RunComfy还提供 AI Models, 帮助艺术家利用最新的AI工具创作出令人惊叹的艺术作品。