ACE Step V1 Chinese Rap LoRA

🚀 🎵 适用于ACE-Step（说唱机器）的中文说唱LoRA

这是一个混合说唱语音模型。我们精心策划了中文说唱/嘻哈数据集用于训练，并进行了严格的数据清理和重新标注。结果表明：

• 提高了中文发音的准确性
• 增强了对嘻哈和电子音乐风格的遵循度
• 增加了嘻哈声乐表达的多样性

音频示例请见：https://ace-step.github.io/#RapMachine

🚀 快速开始

模型简介

ACE-Step是一个新颖的开源音乐生成基础模型，通过整体架构设计克服了现有方法的关键限制。它将基于扩散的生成与Sana的深度压缩自动编码器（DCAE）和轻量级线性变压器相结合，在生成速度、音乐连贯性和可控性方面达到了最先进的性能。

使用指南

1. 生成更高质量的中文歌曲
2. 创建更优质的嘻哈曲目
3. 与其他音乐类型融合，以：
   • 制作出具有更好人声质量和细节的音乐
   • 添加实验性风格（如地下音乐、街头文化风格）
4. 使用以下参数进行微调：

人声控制

• vocal_timbre
  • 示例：明亮、暗沉、温暖、冰冷、气声、鼻音、粗糙、顺滑、沙哑、金属感、轻柔、共鸣、空灵、烟雾感、性感、轻盈、清晰、高音、沙哑、有力、缥缈、长笛般、空洞、天鹅绒般、尖锐、嘶哑、圆润、单薄、厚实、芦苇般、银铃般、鼻音重。
  • 描述了人声的固有特质。
• techniques（列表）
  • 说唱风格：含糊说唱、超快说唱、旋律说唱、抒情说唱、陷阱节奏说唱、双倍速度说唱
  • 人声特效：自动调音、混响、延迟、失真
  • 表达方式：低语、呼喊、朗诵、旁白、歌唱
  • 其他：即兴说唱、呼应、和声

社区说明

虽然中文说唱LoRA对于非中文社区来说可能看起来很小众，但我们通过此类项目不断证明，作为音乐生成基础模型的ACE-step拥有无限潜力。它不仅能提高一种语言的发音，还能催生新的音乐风格。

人类对音乐的普遍欣赏是一种宝贵的财富。就像抽象的乐高积木一样，这些元素最终会以更自然的方式组合在一起。希望我们的开源贡献能推动音乐历史的发展。

直接使用

ACE-Step可用于：

• 根据文本描述生成原创音乐
• 音乐混音和风格转换
• 编辑歌曲歌词

下游使用

该模型可作为以下应用的基础：

• 语音克隆应用
• 专业音乐生成（说唱、爵士等）
• 音乐制作工具
• 创意AI助手

不适用场景

该模型不应用于：

• 未经授权生成受版权保护的内容
• 创建有害或冒犯性的内容
• 将AI生成的音乐冒充为人类创作的音乐

如何开始使用

详情请见：https://github.com/ace-step/ACE-Step

硬件性能

显示的是实时因子（RTF） - 数值越高表示生成速度越快

局限性

• 性能因语言而异（前10种语言表现最佳）
• 较长的生成（超过5分钟）可能会失去结构连贯性
• 罕见乐器可能无法完美呈现
• 输出不一致：对随机种子和输入时长高度敏感，导致结果像“抽卡”一样多变
• 特定风格的弱点：在某些音乐类型（如中文说唱）上表现不佳，风格遵循度和音乐性有限
• 连续性瑕疵：在重绘/扩展操作中存在不自然的过渡
• 人声质量：粗糙的人声合成缺乏细微差别
• 控制粒度：需要更细粒度的音乐参数控制

伦理考量

用户应：

• 验证生成作品的原创性
• 披露AI的参与
• 尊重文化元素和版权
• 避免生成有害内容

模型详情

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}
}

致谢

本项目由ACE Studio和StepFun共同牵头。