GPT
הוספת כלי
A

acestep-v15-sft

קוד פתוח

ACE-Stepmit2026-01-23

  • transformers
  • safetensors
  • acestep
  • feature-extraction
  • audio

מודל פתוח ליצירת מוזיקה מטקסט שרץ מקומית על כרטיסי מסך ביתיים. הוא מציע איכות שמע גבוהה ורישיון חופשי בלי כאב ראש של זכויות יוצרים.

  • 2.4Bפרמטרים
  • 32,768טוקנים בהקשר
  • 4.5 GBמשקל הקבצים
  • 2,560הורדות בחודש

מה זה

הגרסה הזו היא מודל דיפוזיה שעבר כוונון עדין בהנחיה (SFT), המיועד להפקת רצועות שמע מלאות מטקסט או מאודיו קיים. הוא נשען על ארכיטקטורה היברידית שמשלבת מודל שפה לתכנון מבנה השיר יחד עם מודל דיפוזיה ליצירת הצליל בפועל. האימון התבסס על שילוב של קטעים ברישיון מוסדר, מוזיקה ברשות הציבור וסינתזה של מידי, מתוך כוונה לאפשר שימוש מסחרי נקי מתביעות.

ביחס לגרסת הבסיס, גרסת ה־SFT מעלה את איכות השמע ומצריכה חמישים צעדי דגימה עם תמיכה ב־CFG. היא יודעת לייצר שירים שלמים, להפיק גרסאות כיסוי, לצייר מחדש מקטעי אודיו ולתמוך בהנחיות ביותר מחמישים שפות שונות.

מתאים ל

  • הפקת מוזיקת רקע למשחקים

    מאפשר יצירת קטעים שלמים מקומית בלי תלות ברשת ועם רישיון מסחרי נקי.

  • גרסאות כיסוי ועריכת סאונד

    תומך בשינוי סגנון לרצועות שמע קיימות ובתיקון מקטעים מוגדרים מתוך קובץ.

  • אימון מודלים מותאמים

    הארכיטקטורה של גרסת ה־SFT מאפשרת המשך כוונון עדין בקלות על סגנונות חדשים.

איפה זה נופל

המודל הזה מוגבל יחסית ביכולות העריכה המתקדמות בהשוואה לגרסת הבסיס. יכולות כמו חילוץ ערוצים מתוך שיר, פירוק לגו או השלמת מקטעים חסרים לא נתמכות כאן כלל. בנוסף, חמישים צעדי דגימה מייצרים זמני המתנה ארוכים יותר מגרסאות הטורבו, והגיוון המוזיקלי שלו מוגדר בינוני בלבד.

אותה משפחה

acestep יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

acestep-v15-base2,733

שאלות
נפוצות

האם יש בעיה של זכויות יוצרים בשימוש מסחרי במוזיקה שנוצרת?

היוצרים מציינים שהאימון נעשה על חומרים מורשים, מוזיקה ללא זכויות ונתונים סינתטיים. הרישיון הוא MIT, כך שאין מניעה חוקית למכור או להפיץ את התוצרים שמופקים מהמודל.

כמה כוח מחשוב צריך כדי להריץ אותו על המחשב?

הוא צורך פחות מארבעה גיגה בייט זיכרון כרטיס מסך. אפשר להריץ אותו בקלות על כרטיסים ביתיים נפוצים, כאשר על כרטיס כמו RTX 3090 שיר מלא מופק בפחות מעשר שניות.

איך מריצים

המשקל הכולל יושב על 4.5 גיגה בייט, והמודל דורש פחות מארבעה גיגה בייט של זיכרון גרפי כדי לפעול. זה אומר שכרטיס RTX 3090 מריץ אותו תוך פחות מעשר שניות, ובשרתי A100 התהליך לוקח פחות משתי שניות.

מי שצריך תגובה מהירה עוד יותר יכול לפנות לגרסת הטורבו שמסתפקת בשמונה צעדים, אבל למי שמחפש איכות טובה עם גמישות לכוונון נוסף, גרסת ה־SFT היא נקודת פתיחה מאוזנת שמתאימה להרצה על חומרה שולחנית רגילה.

from transformers import pipeline

pipe = pipeline("text-to-audio", model="ACE-Step/acestep-v15-sft")
print(pipe("שלום"))

הקבצים

8 קבצים במאגר, 4.5 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

רישיון MIT חופשי לחלוטין. מותר להריץ, לשנות, לשלב בקוד קנייני ולעשות שימוש מסחרי מלא ברצועות השמע שנוצרות, ללא תמלוגים או דרישות מיוחדות מעבר לשמירת הודעת זכויות היוצרים של הפרויקט.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗