ACE Step V1 Chinese Rap LoRA

🚀 🎵 適用於ACE-Step（說唱機器）的中文說唱LoRA

這是一個混合說唱語音模型。我們精心策劃了中文說唱/嘻哈數據集用於訓練，並進行了嚴格的數據清理和重新標註。結果表明：

• 提高了中文發音的準確性
• 增強了對嘻哈和電子音樂風格的遵循度
• 增加了嘻哈聲樂表達的多樣性

音頻示例請見：https://ace-step.github.io/#RapMachine

🚀 快速開始

模型簡介

ACE-Step是一個新穎的開源音樂生成基礎模型，通過整體架構設計克服了現有方法的關鍵限制。它將基於擴散的生成與Sana的深度壓縮自動編碼器（DCAE）和輕量級線性變壓器相結合，在生成速度、音樂連貫性和可控性方面達到了最先進的性能。

使用指南

1. 生成更高質量的中文歌曲
2. 創建更優質的嘻哈曲目
3. 與其他音樂類型融合，以：
   • 製作出具有更好人聲質量和細節的音樂
   • 添加實驗性風格（如地下音樂、街頭文化風格）
4. 使用以下參數進行微調：

人聲控制

• vocal_timbre
  • 示例：明亮、暗沉、溫暖、冰冷、氣聲、鼻音、粗糙、順滑、沙啞、金屬感、輕柔、共鳴、空靈、煙霧感、性感、輕盈、清晰、高音、沙啞、有力、縹緲、長笛般、空洞、天鵝絨般、尖銳、嘶啞、圓潤、單薄、厚實、蘆葦般、銀鈴般、鼻音重。
  • 描述了人聲的固有特質。
• techniques（列表）
  • 說唱風格：含糊說唱、超快說唱、旋律說唱、抒情說唱、陷阱節奏說唱、雙倍速度說唱
  • 人聲特效：自動調音、混響、延遲、失真
  • 表達方式：低語、呼喊、朗誦、旁白、歌唱
  • 其他：即興說唱、呼應、和聲

社區說明

雖然中文說唱LoRA對於非中文社區來說可能看起來很小眾，但我們通過此類項目不斷證明，作為音樂生成基礎模型的ACE-step擁有無限潛力。它不僅能提高一種語言的發音，還能催生新的音樂風格。

人類對音樂的普遍欣賞是一種寶貴的財富。就像抽象的樂高積木一樣，這些元素最終會以更自然的方式組合在一起。希望我們的開源貢獻能推動音樂歷史的發展。

直接使用

ACE-Step可用於：

• 根據文本描述生成原創音樂
• 音樂混音和風格轉換
• 編輯歌曲歌詞

下游使用

該模型可作為以下應用的基礎：

• 語音克隆應用
• 專業音樂生成（說唱、爵士等）
• 音樂製作工具
• 創意AI助手

不適用場景

該模型不應用於：

• 未經授權生成受版權保護的內容
• 創建有害或冒犯性的內容
• 將AI生成的音樂冒充為人類創作的音樂

如何開始使用

詳情請見：https://github.com/ace-step/ACE-Step

硬件性能

顯示的是即時因子（RTF） - 數值越高表示生成速度越快

侷限性

• 性能因語言而異（前10種語言表現最佳）
• 較長的生成（超過5分鐘）可能會失去結構連貫性
• 罕見樂器可能無法完美呈現
• 輸出不一致：對隨機種子和輸入時長高度敏感，導致結果像“抽卡”一樣多變
• 特定風格的弱點：在某些音樂類型（如中文說唱）上表現不佳，風格遵循度和音樂性有限
• 連續性瑕疵：在重繪/擴展操作中存在不自然的過渡
• 人聲質量：粗糙的人聲合成缺乏細微差別
• 控制粒度：需要更細粒度的音樂參數控制

倫理考量

用戶應：

• 驗證生成作品的原創性
• 披露AI的參與
• 尊重文化元素和版權
• 避免生成有害內容

模型詳情

引用

@misc{gong2025acestep,
  title={ACE-Step: A Step Towards Music Generation Foundation Model},
  author={Junmin Gong, Wenxiao Zhao, Sen Wang, Shengyuan Xu, Jing Guo}, 
  howpublished={\url{https://github.com/ace-step/ACE-Step}},
  year={2025},
  note={GitHub repository}
}

致謝

本項目由ACE Studio和StepFun共同牽頭。