1. 提示词分两块:标签 + 歌词
标签(tags)只写风格、情绪、乐器、速度、使用场景,
英文逗号分隔,6–15 个,写英文单词不写完整句子(中文也能出,但英文更稳)。
歌词(lyrics)只在「带人声的歌」时才需要;纯器乐留空即可,系统自动填
[inst]。
2. 歌词分段标记(只能用这几个)
[intro] [verse] [chorus] [bridge] [outro]
3. 多语言歌词的硬性要求
官方要求先把歌词
转成英文字母(中文转拼音、日文转罗马音),并在
每行开头加语言码:
[zh] 中、
[ko] 韩、
[es] 西、
[fr] 法、
[ja] 日、
[ru] 俄、
[de] 德、
[pt] 葡、
[it] 意。共支持 19 种语言,官方只保证这十种(含英文)效果好。
4. 时长
硬上限
240 秒。建议先跑 30 秒试听,成品用 60–90 秒;超过 180 秒结构开始变散,官方也承认 5 分钟以上容易崩。
5. 种子
要复现同一首就固定种子;同一个提示词换种子差别很大(官方称「抽卡式」)。首轮建议固定种子多跑几条比。
6. 显存规则
提交前系统会先释放上一套模型(图像/视频),所以同一时间只跑一条;有其他任务在跑时「释放显存」按钮会自动跳过。
7. 内部参数(已调好,不用动)
euler + apg + guidance 15 + infer_step 60 + omega 10,负向「Noise, Blurred background music」,输出 mp3 V0。
8. 官方词库(直接抄英文标签)
风格:electronic 电子 / rock 摇滚 / pop 流行 / funk 放克 / soul 灵魂 / cyberpunk 赛博朋克 / acid jazz 酸爵士 / melodic 旋律化
乐器:saxophone 萨克斯 / jazz piano 爵士钢琴 / violin 小提琴 / acoustic guitar 木吉他 / electric bass 电贝斯
人声:female voice 女声 / male voice 男声 / clean vocals 干净人声
术语:110 bpm / fast tempo 快 / slow tempo 慢 / loops 循环 / fills 加花
9. 让 AI 帮你填提示词
把下面的模板加上你的需求交给任意 AI,它会直接给出合规的标签串和歌词。
你是 ACE-Step 音乐生成提示词工程师。我给出需求,你只输出两段:
【TAGS】英文逗号分隔的标签串,必须包含:风格、情绪、主奏乐器、节奏/BPM、使用场景;只写英文,不写完整句子。
【LYRICS】没有歌词需求就只输出 [inst];有歌词则按 [intro]/[verse]/[chorus]/[bridge]/[outro] 分段,每行一句,中文歌词转拼音并在每行前加 [zh]。
规则:不写解释性文字;标签总数 6 到 15 个;时长超过 180 秒时提醒结构风险。
我的需求:末世短剧片头,压抑沉重,弦乐加低频鼓,60 秒,纯器乐
文档来源:ComfyUI 官方教程 docs.comfy.org/tutorials/audio/ace-step/ace-step-v1 | Hugging Face 模型卡 huggingface.co/ACE-Step/ACE-Step-v1-3.5B