ace-step
使用 RunComfy 的 `runcomfy` CLI 透過 ACE Step 生成、修補（inpaint）與延伸（outpaint）音樂。ACE Step 是 StepFun-AI 的開源權重音樂基礎模型——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（在現有音軌前或後延伸）。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。
Generate, inpaint, and outpaint music with ACE Step on RunComfy via the `runcomfy` CLI. ACE Step is StepFun-AI's open-weights music foundation model — tag-driven composition (genre, mood, instruments), multilingual lyrics with section markers, 5 s to 4 min stereo output, $0.0002–0.0003 per second (≈ 27× cheaper than ElevenLabs Music). Four endpoints: ACE Step text-to-audio (the default), ACE Step 1.5 text-to-audio (50+ language lyrics, refined structured-lyric handling), ACE Step audio-inpaint (regenerate a time range inside an existing track), ACE Step audio-outpaint (extend an existing track before or after). Triggers on "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", or any explicit ask to generate or edit music with ACE Step.
ACE Step — Pro Pack on RunComfy
以標籤驅動的音樂生成、修補與延伸，使用 StepFun-AI 的 ACE Step 開源權重模型。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：runcomfy-cli 技能。
選擇正確的端點
依最新到最舊排列。
ACE Step 1.5（文字轉音訊） — acestep-ai/ace-step-1.5/text-to-audio
最新 ACE Step 生成。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）。
適用於：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。
避免用於：成本敏感的批次任務，若基礎版已足夠。
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。
適用於：大量草稿、背景音樂、廣告歌、遊戲循環、成本敏感的反覆迭代。
避免用於：追求極致精緻的商業人聲副歌 — 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）。
適用於：修正中間的糟糕副歌、替換橋段、無需重新渲染整首歌即可取代一段 20 秒的段落。
避免用於：非時間範圍的編輯 — 此類操作不符合此結構。
ACE Step（音訊延伸） — acestep-ai/ace-step/audio-outpaint
雙向延伸現有音軌 — 在前加入前奏、在後加入尾奏，或兩者同時。
適用於：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。
避免用於：將音軌延伸至總長超過 4 分鐘 — 請改用連續呼叫。
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）
結構（兩種版本 — 相同格式）
| 欄位 | 型別 | 必填 | 預設值 | 備註 |
|---|---|---|---|---|
tags |
string | 是 | — | 逗號分隔的曲風 / 情緒 / 樂器標籤。驅動作曲 |
lyrics |
string | 否 | — | 人聲內容。使用段落標記 [Verse]、[Chorus]、[Bridge]。使用 [inst] 或 [instrumental] 表示無歌詞 |
duration |
int | 否 | 60 |
音訊長度（秒）。5–240（每次呼叫最長 4 分鐘） |
seed |
int | 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
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 若節奏重要 — ACE 會尊重速度描述。
- 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：也在標籤中寫明「no vocals」。 - 多語言人聲：ACE Step 1.5 涵蓋 50 種以上語言。直接以目標語言撰寫歌詞；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性（
"seed": 42）；使用-1探索變化。 - 便宜草稿 → 精修：ACE Step 成本低 5–10 倍，非常適合在投入長時間渲染前反覆調整標籤。
路線 2：ACE Step 音訊修補
模型：acestep-ai/ace-step/audio-inpaint
目錄：audio-inpaint
結構
| 欄位 | 型別 | 必填 | 預設值 | 備註 |
|---|---|---|---|---|
audio |
string | 是 | — | MP3 / WAV / FLAC 的 HTTPS URL。最長 60 分鐘 |
tags |
string | 是 | — | 逗號分隔的標籤，引導重新生成的段落 |
start_time |
float | 否 | — | 可編輯段落的起始時間（秒），範圍 0–240 |
start_time_relative_to |
enum | 否 | start |
start 或 end — start_time 的錨點 |
end_time |
float | 否 | 30 |
可編輯段落的結束時間（秒），範圍 0–240 |
end_time_relative_to |
enum | 否 | start |
start 或 end — end_time 的錨點 |
lyrics |
string | 否 | — | 重新生成段落的歌詞。留空則由模型自行創作；[inst] 表示無歌詞 |
seed |
int | 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
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
- 匹配周圍的標籤 — 若原始音軌是「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
結構
| 欄位 | 型別 | 必填 | 預設值 | 備註 |
|---|---|---|---|---|
audio |
string | 是 | — | MP3 / WAV / FLAC 的 HTTPS URL。最長 60 分鐘 |
tags |
string | 是 | — | 引導延伸段落的標籤 |
extend_before_duration |
float | 否 | 0 |
在原始音軌之前新增的音訊秒數（0–240） |
extend_after_duration |
float | 否 | 30 |
在原始音軌之後新增的音訊秒數（0–240） |
lyrics |
string | 否 | — | 延伸段落的選擇性歌詞 |
seed |
int | 否 | -1 |
可重現性 |
呼叫
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 — 新的段落聽起來應該像什麼？
- 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，最多只能合計加入 1 分鐘。
何時選擇 ACE Step 而非 ElevenLabs Music
ACE Step 和 ElevenLabs Music 是不同的工具：
| 面向 | ACE Step | ElevenLabs Music |
|---|---|---|
| 成本 | $0.0002–0.0003 / 秒 | $0.0083 / 秒（約貴 27 倍） |
| 授權 | 開源權重（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（tags 為必填欄位） | 風格為自由文字提示的一部分 |
| 最適合 | 成本敏感的批次、草稿、修補/延伸工作流程、開源權重管線 | 高品質人聲副歌、精緻商業成品 |
便宜草稿模式：先用 ACE Step 嘗試標籤組合 → 鎖定風格 → 若需要精緻商業成品，再使用 ElevenLabs Music 進行最終渲染。
如需根據意圖自動選擇兩者的路由技能，請參閱即將推出的 ai-music。
常見模式
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，標籤符合歌曲風格
副歌 → 完整音軌
- 路線 3（音訊延伸），在緊湊的 30 秒副歌前加入前奏、後加入尾奏
遊戲循環背景
- 路線 1（ACE Step 基礎版），在標籤中加入「seamless loop, consistent groove」，時長 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 / 結構不符 |
| 69 | 上游 5xx 錯誤 |
| 75 | 可重試：逾時 / 429 |
| 77 | 未登入或 token 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）、重新生成一段時間範圍（修補）、或延伸音軌（延伸）——並以對應的 JSON 主體呼叫 runcomfy run。CLI 向 RunComfy Model API 發送 POST 請求，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
- 僅透過經驗證的套件管理器安裝。 使用
npm i -g @runcomfy/cli或npx -y @runcomfy/cli。代理不得代表使用者將任意遠端安裝腳本直接 pipe 到 shell 中——若操作者希望使用docs.runcomfy.com/cli/install中記載的 curl-pipe 方式，應先審查該腳本。 - Token 儲存：
runcomfy login將 API token 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 token 輸出到提示、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 傳送給 Model 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
audioURL 是不可信任的——內嵌的隱寫指令或異常 EXIF 可能影響生成。代理緩解措施：- 僅接收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 會中止任何大於 2 GiB 的單一下載。
- bash 使用範圍：宣告為
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 CLIelevenlabs-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
