ace-step

使用 `runcomfy` CLI 透過 RunComfy 上的 ACE Step 生成、修補（inpaint）與延伸（outpaint）音樂。ACE Step 是 StepFun-AI 的開放權重音樂基礎模型——以標籤驅動作曲（曲風、情緒、樂器）、支援多語言歌詞與段落標記、5 秒至 4 分鐘立體聲輸出，每秒成本 $0.0002–0.0003（約為 ElevenLabs Music 的 1/27）。四個端點：ACE Step 文字轉音訊（預設）、ACE Step 1.5 文字轉音訊（支援 50 種以上語言歌詞、強化結構化歌詞處理）、ACE Step 音訊修補（在現有音軌內重新生成一段時間範圍）、ACE Step 音訊延伸（在現有音軌前後延伸）。觸發關鍵字包含「ace step」、「ace-step」、「acestep」、「ACE music」、「open music model」、「cheap AI music」、「inpaint audio」、「audio inpaint」、「extend music」、「audio outpaint」、「lengthen track」、「music with tags」，或任何明確要求使用 ACE Step 生成或編輯音樂的指令。

2星標

2分支

更新於 2026/6/20

獲取技能源代碼

ACE Step — RunComfy 專業包

使用 StepFun-AI 的 ACE Step 開放權重模型進行標籤驅動的音樂生成、修補與延伸。四個可透過 CLI 存取的端點，每秒音訊成本 $0.0002–0.0003，每次呼叫最長 4 分鐘。

runcomfy.com · ACE Step 基礎版 · ACE Step 1.5 · CLI 文件

安裝此技能

npx skills add agentspace-so/runcomfy-agent-skills --skill ace-step -g

由 RunComfy CLI 驅動

步驟 1 — 安裝（擇一，詳情請見 runcomfy-cli 技能）：

npm i -g @runcomfy/cli         # 全域安裝
npx -y @runcomfy/cli --version # 免安裝執行

步驟 2 — 登入（或在 CI / 容器中設定 RUNCOMFY_TOKEN 環境變數）：

runcomfy login

步驟 3 — 生成：

runcomfy run acestep-ai/ace-step/text-to-audio \
  --input '{"tags": "..."}' \
  --output-dir ./out

CLI 深入介紹：請參考 runcomfy-cli 技能。

選擇正確的端點

依最新版本優先列出。

ACE Step 1.5（文字轉音訊） — acestep-ai/ace-step-1.5/text-to-audio

最新 ACE Step 生成版本。支援 50 種以上語言人聲，強化結構化歌詞處理，其餘與基礎版相同。成本略高（$0.0003/s 對比 $0.0002/s）。
適用時機：多語言歌詞、高品質人聲音軌、需要清晰段落結構的歌唱歌曲。
避免時機：對成本敏感且基礎版已足夠的批次任務。

ACE Step（文字轉音訊） — acestep-ai/ace-step/text-to-audio （預設 — 便宜且快速）

原始 ACE Step。標籤驅動作曲，可選歌詞，5–240 秒立體聲。$0.0002/s — 約為 ElevenLabs Music 的 1/27。
適用時機：大量草稿、背景音樂、廣告歌、遊戲循環、對成本敏感的迭代。
避免時機：需要極致打磨的商業人聲副歌 — 請嘗試 ACE Step 1.5 或 ElevenLabs Music。

ACE Step（音訊修補） — acestep-ai/ace-step/audio-inpaint

在現有音軌內重新生成一段時間範圍（非遮罩式；使用 start_time / end_time 以秒為單位，各自可錨定於音軌開頭或結尾）。
適用時機：修正中間的糟糕副歌、替換橋段、重新生成 20 秒段落而不需重新渲染整首歌。
避免時機：非時間範圍的編輯 — 此類需求不符合此架構。

ACE Step（音訊延伸） — acestep-ai/ace-step/audio-outpaint

雙向延伸現有音軌 — 在前方加入前奏、在後方加入尾奏，或兩者同時。
適用時機：將 30 秒草稿延長為 2 分鐘片段、加入淡入效果、圍繞現有副歌建立更長的編曲。
避免時機：將音軌延伸至總長超過 4 分鐘 — 請改用多次呼叫串接。

路線 1：ACE Step 文字轉音訊（預設）

模型：acestep-ai/ace-step/text-to-audio（或 acestep-ai/ace-step-1.5/text-to-audio 用於 1.5 版本）

架構（兩種版本 — 相同結構）

欄位	類型	必填	預設值	說明
`tags`	字串	是	—	逗號分隔的曲風 / 情緒 / 樂器標籤。驅動作曲
`lyrics`	字串	否	—	人聲內容。使用段落標記 `[Verse]`、`[Chorus]`、`[Bridge]`。使用 `[inst]` 或 `[instrumental]` 表示無人聲
`duration`	整數	否	`60`	音訊長度（秒）。5–240（每次呼叫最長 4 分鐘）
`seed`	整數	否	`-1`	可重現性；`-1` 為隨機

定價：ACE Step $0.0002/s · ACE Step 1.5 $0.0003/s。60 秒 ≈ $0.012 / $0.018；240 秒 ≈ $0.048 / $0.072。

呼叫方式

標籤驅動的純音樂：

runcomfy run acestep-ai/ace-step/text-to-audio \
  --input '{
    "tags": "lo-fi hip-hop, mellow, vinyl crackle, rhodes piano, soft drums, 75 BPM",
    "lyrics": "[inst]",
    "duration": 90
  }' \
  --output-dir ./out

含結構的完整歌唱歌曲（多語言請使用 1.5）：

runcomfy run acestep-ai/ace-step-1.5/text-to-audio \
  --input '{
    "tags": "indie pop, anthemic, electric guitar, driving drums, female vocal, 120 BPM",
    "lyrics": "[Verse]\nChalk on the palms, laces double-knotted\nMorning on the ridge, the sun is rising\n[Chorus]\nWe rise, we strike, we never fade out\nWe rise, we strike, we sing it loud\n[Bridge]\nSoft piano breakdown\n[Outro]\nFull band, fade",
    "duration": 60
  }' \
  --output-dir ./out

提示技巧

標籤是主力 — 要具體："lo-fi hip-hop, mellow, vinyl crackle, rhodes piano, soft drums, 75 BPM" 勝過 "chill music"。
在標籤中加入 BPM 當節奏重要時 — ACE 會尊重速度相關語言。
歌詞搭配段落標記：[Verse]、[Chorus]、[Bridge]、[Outro]。保持各行節拍一致。
純音樂捷徑："lyrics": "[inst]" 或 "[instrumental]"。雙重保險：也在標籤中加入「no vocals」。
多語言人聲：ACE Step 1.5 涵蓋 50 種以上語言。直接用目標語言撰寫歌詞；同時在標籤中標註語言（如 "japanese vocal, j-pop"）。
固定種子以確保可重現（"seed": 42）；使用 -1 探索不同變化。
便宜草稿 → 打磨：ACE Step 成本低 5–10 倍，非常適合在投入長時間渲染前迭代標籤。

路線 2：ACE Step 音訊修補

模型：acestep-ai/ace-step/audio-inpaint
目錄：audio-inpaint

架構

欄位	類型	必填	預設值	說明
`audio`	字串	是	—	指向 MP3 / WAV / FLAC 的 HTTPS URL。最長 60 分鐘
`tags`	字串	是	—	逗號分隔的標籤，用於引導重新生成的段落
`start_time`	浮點數	否	—	可編輯段落的起始時間（秒），範圍 0–240
`start_time_relative_to`	列舉	否	`start`	`start` 或 `end` — `start_time` 的錨點
`end_time`	浮點數	否	`30`	可編輯段落的結束時間（秒），範圍 0–240
`end_time_relative_to`	列舉	否	`start`	`start` 或 `end` — `end_time` 的錨點
`lyrics`	字串	否	—	重新生成段落的歌詞。留空則模型自行創作；`[inst]` 表示無人聲
`seed`	整數	否	`-1`	可重現性

無遮罩 — 區域完全由 start_time / end_time 定義（各自可錨定於音軌開頭或結尾）。

呼叫方式

將音軌的 20–40 秒替換為新的橋段：

runcomfy run acestep-ai/ace-step/audio-inpaint \
  --input '{
    "audio": "https://your-cdn.example/original-track.mp3",
    "tags": "indie pop, breakdown, piano only, soft, no drums",
    "start_time": 20,
    "end_time": 40,
    "lyrics": "[inst]"
  }' \
  --output-dir ./out

以音軌結尾為錨點（重寫最後 15 秒）：

runcomfy run acestep-ai/ace-step/audio-inpaint \
  --input '{
    "audio": "https://your-cdn.example/song.mp3",
    "tags": "indie pop, fade, soft, ambient pad",
    "start_time": 15,
    "start_time_relative_to": "end",
    "end_time": 0,
    "end_time_relative_to": "end"
  }' \
  --output-dir ./out

技巧

與周圍標籤匹配 — 若原始音軌為「indie pop, electric guitar, 120 BPM」，修補段落應共享足夠的標籤以融合，而非對比。
修補視窗最長約 4 分鐘，即使來源長達 60 分鐘 — 選擇一個集中的範圍，而非整首音軌。
使用 _relative_to: "end" 來定位尾奏 / 最後幾秒，無需計算精確時間戳。

路線 3：ACE Step 音訊延伸

模型：acestep-ai/ace-step/audio-outpaint
目錄：audio-outpaint

架構

欄位	類型	必填	預設值	說明
`audio`	字串	是	—	指向 MP3 / WAV / FLAC 的 HTTPS URL。最長 60 分鐘
`tags`	字串	是	—	用於引導延伸段落的標籤
`extend_before_duration`	浮點數	否	`0`	在原始音軌之前新增的音訊秒數（0–240）
`extend_after_duration`	浮點數	否	`30`	在原始音軌之後新增的音訊秒數（0–240）
`lyrics`	字串	否	—	延伸段落的選擇性歌詞
`seed`	整數	否	`-1`	可重現性

呼叫方式

將 30 秒副歌延伸為 2 分鐘片段（加入 30 秒前奏 + 60 秒尾奏）：

runcomfy run acestep-ai/ace-step/audio-outpaint \
  --input '{
    "audio": "https://your-cdn.example/hook-30s.mp3",
    "tags": "indie pop, electric guitar, drums, build-up before chorus, fade outro",
    "extend_before_duration": 30,
    "extend_after_duration": 60,
    "lyrics": "[inst]"
  }' \
  --output-dir ./out

僅加入淡出（無前延伸）：

runcomfy run acestep-ai/ace-step/audio-outpaint \
  --input '{
    "audio": "https://your-cdn.example/track.mp3",
    "tags": "ambient pad, soft fade, low volume tail",
    "extend_before_duration": 0,
    "extend_after_duration": 20
  }' \
  --output-dir ./out

技巧

標籤描述的是延伸部分，而非原始音軌 — 新段落應該聽起來如何？
一次呼叫雙向延伸 — 同時設定 extend_before_duration 和 extend_after_duration 以一次加入前奏和尾奏。
總長勿超過 4 分鐘 — 若原始音軌為 3 分鐘，最多可合計加入 1 分鐘。

何時選擇 ACE Step 與 ElevenLabs Music

ACE Step 和 ElevenLabs Music 是不同工具：

面向	ACE Step	ElevenLabs Music
成本	$0.0002–0.0003 / 秒	$0.0083 / 秒（約貴 27 倍）
授權	開放權重（Apache 2.0）	商業授權，由 ElevenLabs 代管
多語言人聲	50 種以上語言（1.5 版本）	強大的多語言支援
結構化歌詞	`[Verse]/[Chorus]/[Bridge]` 標記	`[Verse]/[Chorus]/[Bridge]` 標記
每次呼叫最長時長	240 秒（4 分鐘）	300 秒（5 分鐘）
修補 / 延伸	有（基於時間範圍）	無
標籤驅動作曲	有（標籤為必填欄位）	風格為自由文字提示的一部分
最適合	對成本敏感的批次、草稿、修補/延伸工作流程、開放權重管線	高品質人聲副歌、打磨過的商業成品

便宜草稿模式：先用 ACE Step 嘗試標籤組合 → 鎖定風格 → 若需要打磨過的商業成品，再使用 ElevenLabs Music 進行最終渲染。

如需根據意圖自動在兩者之間選擇的路由技能，請參閱即將推出的 ai-music。

常見模式

對成本敏感的背景音樂庫

路線 1（ACE Step 基礎版），搭配多種標籤組合，每段 60–90 秒，[inst]

多語言發行（同一首歌，多種語言）

路線 1（ACE Step 1.5），使用相同標籤，依語言切換 lyrics

段落修復（糟糕的副歌 → 新副歌）

路線 2（音訊修補），在糟糕段落周圍設定 start_time / end_time，標籤與歌曲風格匹配

副歌 → 完整音軌

路線 3（音訊延伸），在緊湊的 30 秒副歌前後加入前奏和尾奏

遊戲循環背景

路線 1（ACE Step 基礎版），在標籤中加入「seamless loop, consistent groove」，60–120 秒

瀏覽完整目錄

RunComfy 上的 ACE Step — 全部四個端點（基礎 t2a、1.5 t2a、修補、延伸）
所有 RunComfy 模型 — 圖片、影片和音訊端點
docs.runcomfy.com/cli — CLI 安裝、驗證、故障排除

退出碼

代碼	意義
0	成功
64	CLI 參數錯誤
65	輸入 JSON 錯誤 / 架構不符
69	上游 5xx 錯誤
75	可重試：逾時 / 429
77	未登入或令牌被拒絕

完整參考：docs.runcomfy.com/cli/troubleshooting。

運作方式

此技能根據使用者意圖選擇四個 ACE Step 端點之一——從頭生成（t2a 基礎版或 1.5）、重新生成時間範圍（修補）、或延伸畫布（延伸）——並以對應的 JSON 主體呼叫 runcomfy run。CLI 將請求 POST 至 RunComfy 模型 API，輪詢請求狀態，並將生成的音訊檔案下載至 --output-dir。

安全性與隱私

僅透過驗證過的套件管理器安裝。 使用 npm i -g @runcomfy/cli 或 npx -y @runcomfy/cli。代理程式不得代表使用者將任意遠端安裝腳本透過管道傳入 shell — 若操作者想使用 docs.runcomfy.com/cli/install 中記載的 curl-pipe 方式，應先審查該腳本。
令牌儲存：runcomfy login 將 API 令牌寫入 ~/.config/runcomfy/token.json，權限設為 0600。在 CI / 容器中設定 RUNCOMFY_TOKEN 環境變數可繞過檔案。切勿將令牌輸出至提示、記錄或簽入版本控制。
輸入邊界（shell 注入）：提示和音訊 URL 透過 --input 以 JSON 字串傳遞。CLI 不會對提示內容進行 shell 展開；它直接將 JSON 主體透過 HTTPS 傳送至模型 API。提示內容無 shell 注入風險。
間接提示注入（第三方內容）：用於修補 / 延伸的來源 audio URL 是不可信任的 — 內嵌的隱寫指令或異常 EXIF 可能影響生成。代理程式緩解措施：
- 僅擷取使用者明確為此任務提供的音訊 URL。
- 當輸出與提示不符時，懷疑來源音訊。
歌詞來源：若使用者提供歌詞，請確認其擁有相關權利。圍繞受版權保護的歌詞生成音樂是操作者的責任。
對外端點（白名單）：僅 model-api.runcomfy.net 和 *.runcomfy.net / *.runcomfy.com。無遙測、無回呼。
生成檔案大小上限：CLI 會中止任何超過 2 GiB 的單一下載。
bash 使用範圍：宣告 allowed-tools: Bash(runcomfy *)。此技能僅呼叫 runcomfy <subcommand>；安裝指令為一次性操作者設定。

另請參閱

runcomfy-cli — 底層 CLI
elevenlabs-music-generation — 高階音樂替代方案
ai-music — 根據意圖在 ACE Step 和 ElevenLabs Music 之間選擇的路由器
所有 RunComfy 音訊模型 — 完整音訊目錄

您可能也喜歡

django-security

230Ksecurity

Django security best practices, authentication, authorization, CSRF protection, SQL injection prevention, XSS prevention, and secure deployment configurations.

affaan-m

獲取

security-and-hardening

77Ksecurity

強化程式碼以抵禦漏洞。在處理使用者輸入、驗證、資料儲存或外部整合時使用。在建立任何接受不受信任資料、管理使用者工作階段或與第三方服務互動的功能時使用。

addyosmani

獲取

api-security-best-practices

43Ksecurity

Implement secure API design patterns including authentication, authorization, input validation, rate limiting, and protection against common API vulnerabilities

sickn33

獲取

繼續探索

瀏覽 security 熱門 Skills 最近更新

ace-step

相關技能

ACE Step — RunComfy 專業包

安裝此技能

由 RunComfy CLI 驅動

選擇正確的端點

路線 1：ACE Step 文字轉音訊（預設）

架構（兩種版本 — 相同結構）

呼叫方式

提示技巧

路線 2：ACE Step 音訊修補

架構

呼叫方式

技巧

路線 3：ACE Step 音訊延伸

架構

呼叫方式

技巧

何時選擇 ACE Step 與 ElevenLabs Music

常見模式

對成本敏感的背景音樂庫

多語言發行（同一首歌，多種語言）

段落修復（糟糕的副歌 → 新副歌）

副歌 → 完整音軌

遊戲循環背景

瀏覽完整目錄

退出碼

運作方式

安全性與隱私

另請參閱

您可能也喜歡

django-security

security-and-hardening

api-security-best-practices

繼續探索