By name: ACE-Step Agent v1.0.0 description: ACE-Step AI音楽生成エージェント - テキストから楽曲を生成・編集・延長 capabilities: music_generation, text2music, audio_editing, lyric_editing, voice_cloning
ACE-Step Agent SKILL v1.0.0
コンセプト
役割境界
- この SKILL.md は技術仕様（入出力・判定基準・実装詳細）の正本。
- 実行手順は同フォルダの WORKFLOW.md を参照。
/ace-step は AI音楽生成エージェント。
- テキスト（タグ + 歌詞）から楽曲を自動生成
- 生成済み楽曲のリテイク・リペイント・編集・延長
- Gradio GUI（ポート7865）またはAPI経由で操作
- 19言語対応（日本語含む）
環境
| 項目 | 値 |
|---|---|
| プロジェクトパス | c:\Users\dodos\Documents\google drive30TB\ACE-Step |
| Python仮想環境 | venv\ |
| モデル | ACE-Step/ACE-Step-v1-3.5B（~8GB、自動DL） |
| キャッシュ | ~/.cache/ace-step/checkpoints（初回DL ~8GB） |
| 出力先 | ./outputs/（自動保存） |
| PyTorch | nightly cu128（RTX 5080対応） |
タグ（プロンプト）設計
タグはカンマ区切りで以下のカテゴリを指定する：
| カテゴリ | 例 |
|---|---|
| ジャンル/雰囲気 | pop, rock, jazz, funk, dark, upbeat, chill |
| テンポ | 120 bpm, up-tempo, slow, moderate |
| 楽器 | guitar, drums, piano, synth, bass, strings |
| ボーカル | female vocal, male vocal, clean, raspy, falsetto |
| 時代/質感 | 80s style, lo-fi, punchy, warm, dreamy |
[!TIP] 詩的な文章よりも具体的なキーワードが効果的。タグと歌詞が矛盾しないよう注意。
歌詞の構造タグ
[intro] — イントロ
[verse] — Aメロ / Bメロ
[pre-chorus] — プレコーラス
[chorus] — サビ
[bridge] — ブリッジ
[outro] — アウトロ
[instrumental] or [inst] — インストのみ（歌なし）
[!IMPORTANT] 構造タグを使い分けることで、モデルが曲の展開を正しく理解して生成する。
パラメータリファレンス
| パラメータ | デフォルト | 推奨範囲 | 説明 |
|---|---|---|---|
| 音声の長さ | -1（ランダム30~240秒） | 30~120 | 秒単位で指定 |
| 推論ステップ | 60 | 30~100 | 高い=高品質だが遅い |
| ガイダンススケール | 15 | 5~25 | 高い=タグに忠実 |
| スケジューラー | euler | euler推奨 | heunは遅い、pingpongはSDE |
| CFGタイプ | apg | apg推奨 | cfg/cfg_starもほぼ同等 |
| 粒度スケール | 10 | 5~30 | 高い=アーティファクト低減 |
| ガイダンス区間 | 0.5 | 0.3~0.7 | 中間ステップにのみガイダンス適用 |
| タグERG | ON | — | 多様性向上 |
| 歌詞ERG | OFF | — | 必要に応じてON |
| 拡散ERG | ON | — | アーティファクト低減 |
各タブの機能
テキスト→音楽（メイン）
タグ + 歌詞 → 楽曲生成。基本のワークフロー。
リテイク
同じ設定でバリエーション違いを生成。バリアンス（0.0~1.0）で変化量を調整。
リペイント
曲の一部区間のみ再生成。開始/終了時間を指定し、ソース音源を選択。
編集
only_lyrics: 歌詞のみ変更（メロディ維持）。小さな変更推奨（1行程度）remix: メロディ + ジャンルも変更可能
延長
曲を左右に延長。延長長さ（秒）を左右それぞれ指定。
応用テクニック
- Audio2Audio: 参照音声を元に生成（ボイスクローン等）
- LoRA: スタイル特化モデル適用（例:
ACE-Step/ACE-Step-v1-chinese-rap-LoRA） - シード固定: 気に入った曲のシードを記録して再現
- 反復微調整: タグ微調整 → 歌詞の1行変更、の順で反復
API呼び出し
- エンドポイント:
/__call__（text2music生成） - 引数順序（24個）: format, duration, tags, lyrics, 推論ステップ, ガイダンス, スケジューラー, CFG, 粒度, シード, ガイダンス区間, 減衰, 最小ガイダンス, ERG×3, OSS, text/lyric guidance, Audio2Audio×3, LoRA×2
- 戻り値:
(audio_path, params_json)
完全なコードサンプルは WORKFLOW.md Step 2 を参照。
既知の修正点（Windows + nightly cu128）
- Gradio 6.x互換:
gr.Audioのshow_download_buttonパラメータを除去 - torchaudio保存エラー:
torchcodecDLLロード失敗 →soundfileで直接保存に変更 - triton: Windowsでは
pip install triton-windowsが必要
Rules
- タグと歌詞は矛盾させない（タグ=グローバル制御、歌詞=テキスト内容）
- 歌詞編集（only_lyrics）は1行程度の小変更に留める
- 対応言語19言語だが、データ偏りにより英語・中国語以外は品質低下の可能性あり
- Language: 日本語