Ace Step：在模型頁面與 API 上透過文字、歌詞和風格標籤生成音樂 | RunComfy

ACE Studio / Ace Step#

Ace Step 是一款文字轉音樂模型，可將逗號分隔的風格標籤和選填歌詞製作成包含人聲、配器與同步歌詞的完整歌曲。模型適合快速迭代，支援從數秒到 4 分鐘（240 秒）的長度。

輸出格式：僅音訊 / 長度 5–240 秒 / 立體聲 / 取樣率由服務供應商定義。

核心亮點#

• 標籤驅動的文字轉音樂：只需列出曲風、情緒和樂器，無須撰寫冗長描述即可完成創作。
• 人聲與歌詞生成：Ace Step 既能自行寫詞，也能演唱使用者提供的歌詞，並保持唱詞同步。
• 高傳真音質：在最長 4 分鐘的整段音訊中保持動態平衡、空間質感和樂器清晰度。
• 靈活長度：可從短迴圈調整到 240 秒的完整配樂。
• 可復現結果：設定固定種子，便可在調整標籤或歌詞時復現同一結果。
• 頁面與 API 參數一致：RunComfy 模型頁面和 HTTP API 使用相同參數。

參數#

價格#

RunComfy 上的 Ace Step 依生成音訊長度計費。

預估費用範例

使用方法#

1) 在 RunComfy 中開啟 Ace Step 模型，並展開生成設定面板。

2) 輸入“lofi, hiphop, chill, mellow piano”等風格標籤，定義曲風、情緒和配器。

3) 視需要加入歌詞；清晰分隔主歌與副歌，或填寫 [inst] 生成純音樂。

4) 將長度設為 5–240 秒；先用短片段確認方向，再生成完整的 4 分鐘版本。

5) 若要比較標籤或歌詞變化帶來的影響，請鎖定種子；希望探索更多變化時則保留 -1。

6) 開始生成、試聽結果，然後從工作紀錄下載音訊檔案。

7) 透過 API 使用時，將相同欄位傳送到 RunComfy 上的 Ace Step 端點即可，無須自行部署。

8) 將效果出色的種子和標籤組合儲存為預設，以便在整個專案中保持一致的聲音方向。

提示詞與參考建議#

• 組合多個互補標籤，例如“trap, dark, 808, brass”，一次限定曲風、配器和能量感。
• 謹慎搭配“chill, trap”等比較標籤，既可創造獨特融合，也不會讓編曲失去重點。
• 使用清晰的 [Verse]、[Chorus] 標記組織歌詞，並保持音節數一致，讓演唱更自然。
• 先生成 30–45 秒草稿確認方向，再製作 120–240 秒的長版本。
• 迭代時固定種子，只修改標籤或歌詞，便於判斷差異來自哪項編輯。
• 避免“low-fi 但又要 ultra-hi-fi”等矛盾要求；每首 Ace Step 曲目應確定一個主導審美。
• 需要純音樂時，請在 lyrics 欄位填寫 [inst] 或 [instrumental]，不要只留空。
• 若聽感過於倉促或拖沓，應調整 duration，而不是給歌詞施加過多限制。

Ace Step 與其他模型的比較#

• 依照公開資料，Ace Step 側重標籤控制與最長 4 分鐘的完整歌曲；部分 Suno 系列模型則更依賴自由形式提示詞，預設曲目也較短。
• 與 MusicGen 等純器樂系統相較，Ace Step 能在一次生成中同時製作人聲、歌詞和配器。
• 理想場景：需要帶人聲的完整歌曲、標籤級曲風控制，以及可復現種子便於迭代時，可選擇 Ace Step。