【Gradio】ACE-Step-1.5の基本の使い方【windows】

前回ComfyUIでACE-Step-1.5を使う方法を紹介しました。
ACE-Step-1.5の概要もこっちに書いてます。

今回は公式で用意されているGradioでACE-Step-1.5を試してみたので、それを紹介します。

なお、Base・sftモデル使ったり、いろいろ機能もあるんですが、まとめるのに時間かかりそうなので、環境構築と基本の楽曲生成方法のみです。

ちゃんと触ったら追記か別記事にします。

ACE-Step-1.5のインストール&起動

Windows環境だとポータブル版と標準インストール（python/git）があります。
主な違いは以下の通り。

ポータブル版：

• 環境構築（python/git）が不要

• バッチファイルがある（起動・更新・設定など）

• フォルダごと移動しても起動可能

標準インストール

• python/gitが必要

• 自分で環境構築が必要

• 基本コマンド操作

特にこだわりなければポータブル版で良いと思います。

ポータブル版のインストール

以下のリンクからACE-Step-1.5.7zをDLします。

github：https://github.com/ace-step/ACE-Step-1.5?tab=readme-ov-file#-windows-portable-package-recommended-for-windows

解凍するのに7zが必要です。

任意の場所に保存・解凍し、中にある start_gradio_ui.bat を実行すれば、自動でモデルや依存関係をインストールしてくれます。

ターミナルの最後にhttp://127.0.0.1:7860というURLが表示されるので、Ctrl+左クリックします。

こんな画面が開けばOKです。

二回目以降も start_gradio_ui.bat で起動できます。

標準インストール（python/git）

事前にpythonとgitのインストールが必要です。

・python 

・Git for Windows

powershellを開いて任意のパスに移動し、クローンします。

cd C:\
git clone https://github.com/ace-step/ACE-Step-1.5.git

仮想環境作成&アクティベートします。

python -m venv .venv
.venv\Scripts\activate

uvをインストールします。

pip install uv

依存関係をインストールします。

uv sync

以下のコマンドで起動します。
引数は初期化するものでモデルのダウンロードとかが自動で行われます。

python acestep/acestep_v15_pipeline.py --init_service true

最後にターミナルの最後にhttp://127.0.0.1:7860というURLが表示されるので、Ctrl+左クリックします。

こんな画面が開けばOKです。

ACE-Step-1.5の使い方

日本語化（任意）

ポータブル版の場合はstart_gradio_ui.batをテキストエディタなどで開きます。
デフォルトがenになってるので以下の部分をjaにすればOKです。

set LANGUAGE=en
↓
set LANGUAGE=ja

コマンドは引数で指定できます。

python acestep/acestep_v15_pipeline.py --language ja --init_service true

シンプルモードで生成

生成モードにシンプルとカスタムがあります。

シンプルは初心者向けのモードで、簡単な指定だけで楽曲生成が可能。

シンプルを選択した状態でどんな曲を作りたいかを入力するだけです。

 例）1980s Japanese City Pop, female vocal, upbeat

自分で入力しなくても右側のサイコロでランダムサンプルが使えます。

インストゥルメンタルにしたり、ボーカルの言語指定したりも可能です。

この状態でサンプル生成をクリックすると自動でキャプションや、歌詞含めた構成タグを作ってくれます。

もしBPMとかキー変えたいなと思ったらオプションパラメータで変更可能です。

内容に問題なければ「音楽を生成」で生成開始。

3分5秒の曲で、初回はたぶんモデル読み込んでるのか1分くらい掛かりました。
2回目からは30秒くらいで生成できます。

生成した楽曲は以下のパスに保存されます。

ACE-Step-1.5\gradio_outputs

カスタムモードで生成

カスタムモードはサンプル生成で作ったcaption・構成タグ部分を自分で指定できるモードです。
シンプルでサンプル生成したあとに編集も可能なのであんまり変わらないかもしれません。

キャプションにはジャンル・スタイル・感情・使用楽器などをテキストで指定します。

歌詞部分には楽曲の構成と歌詞を入力します。

使える構成タグは以下の通り。

• [Intro] オープニング、雰囲気を確立

• [Verse] / [Verse 1] 主歌、物語の進行

• [Pre-Chorus] プレコーラス、エネルギーを構築

• [Chorus] コーラス、感情のクライマックス

• [Bridge] ブリッジ、転換または高揚

• [Outro] エンディング、結論

• [Build] エネルギーが徐々に上昇

• [Drop] エレクトロニックミュージックのエネルギー解放

• [Breakdown] 楽器編成の削減、スペース

• [Instrumental] 純粋なインストゥルメンタル、ボーカルなし

• [Guitar Solo] ギターソロ

• [Piano Interlude] ピアノ間奏

• [Fade Out] フェードアウトエンディング

• [Silence] サイレンス

引用：https://github.com/ace-step/ACE-Step-1.5/blob/main/docs/ja/Tutorial.md

シンプルと同じくインストゥルメンタルとボーカルの言語を指定します。

あとはオプションパラメータでBPMやキーなどを入力します。

Geminiにメタルっぽいの作って貰いました。

まとめ

ComfyUIと何が違うのか分からないんですが、こっちの方が安定してるしクオリティも高い気がします。

シンプルモードで「こういう曲作って」って指示するだけでキャプション・歌詞作って貰えるのが楽でいいですね。

ComfyUIでもノード作ればできそうですが、設定とかも多分最適化されてるだろうし、初心者にはGradioの方が使いやすい印象でした。

音楽生成にあまり興味なかったんですが、クオリティ高いし生成速いし、ちょっとハマっちゃいそうです。

以上ACE-Step-1.5（gradio版）の使い方を紹介しました。

当サークルではこのようなAIに関するさまざまな情報を発信しています。
メンバーシップに加入して頂くと一部の有料記事は読み放題です。
AI技術の向上、マネタイズ方法などに興味がある方は、ぜひご検討ください。

もしこの記事が少しでも役に立った場合は、いいねやフォローして頂けると励みになります。
最後まで読んでいただき、ありがとうございました。