timoncool/ACE-Step-Studio

Portable AI music generator — full songs with vocals, covers, music videos. One-click install, 100% offline, NVIDIA GPU.

解決する課題

ACE-Step Studio は、ユーザーが自分のハードウェア上でボーカル付きのフル楽曲を生成できるデスクトップアプリケーションであり、Suno などのクラウドサービスへの依存を排除します。作詞支援、モデル管理、ポストプロダクションツールなど、音楽制作のための包括的な環境を提供します。

仕組み

このソフトウェアは、ACE-Step 1.5 モデルのネイティブ C++/GGML ポートである acestep.cpp 上に構築されています。ユーザーインターフェースは Rust と React を使用して開発され、Tauri ウィンドウ内で実行されます。言語モデル（ACE-Step planner、ローカル Gemma、または OpenRouter）を使用して曲の構造、テンポ、歌詞を計画し、それを Diffusion Transformer (DiT) がユーザーの GPU 上でオーディオにレンダリングします（NVIDIA は CUDA、AMD/Intel は Vulkan、または CPU フォールバックをサポート）。

対象ユーザー

Windows（Linux は実験的サポート）で高品質なボーカル音楽生成をローカルで実行したいと考えており、少なくとも 4 GB の VRAM を備えた GPU を持つミュージシャン、コンテンツクリエイター、AI 音楽愛好家。

主な特長

  • ローカル生成: 4 GB VRAM からの NVIDIA カードで、ボーカル付きのフル楽曲をオフラインで生成。
  • 統合作詞: 公式の作詞ルールに基づいてキャプションと歌詞を生成するライティングアシスタントを搭載。
  • LoRA サポート: 131 の LoRA のキュレーションカタログと、HOT-Step を使用したローカルハードウェアでのカスタム LoRA トレーニング機能。
  • 包括的なツールセット: ステム分離 (HT-Demucs)、オーディオから MIDI への変換 (MuScriptor)、MIDI エディター、ミュージックビデオ作成用のビジュアライザーを搭載。
  • エージェント制御: AI エージェント（Claude Code や Cursor など）がスタジオの機能を完全に駆動できる MCP サーバーを提供。
  • カスタマイズ: Winamp 2 スキンモード、10 バンドイコライザー、MilkDrop ビジュアライザーを提供。

関連

  • プロジェクト
    ace-step/ACE-Step-1.5

    ACE‑Step 1.5 は、言語モデルによる計画とDiffusion‑Transformer音声デコーダーを組み合わせたオープンソース音楽生成ファウンデーションモデルです。RTX 3090で10秒未満でフルソング（10秒〜10分）を生成でき、ベースモデルでは4GB未満のVRAMで動作し、数曲からのLoRA微調整が可能。リポジトリにはGradioとRESTインターフェース、主要OS用の起動スクリプト、複数のモデルサイズ（4 B XLバージョン含む）、歌詞・スタイル・テンポ・楽器構成の高度な制御が提供されています。

  • プロジェクト
    timoncool/YuE2-Studio

    YuE2 Studioは、AI音楽モデルの生成、編集、トレーニングを行うためのスタンドアロン型Windowsアプリケーションであり、Pythonを必要とせずに歌詞や楽譜から楽曲を作成する完全なワークフローを提供します。

  • プロジェクト
    debpalash/VoiceStudio

    VoiceStudioは、数百の言語での音声クローン、音声デザイン、ビデオ吹き替え、ディクテーション、文字起こし、オーディオブック作成のためのオープンソースデスクトップアプリ（Electron）です。macOS、Windows、Linux上でローカルに動作し、GPUアクセラレーションをサポートし、モデルマネージャーを提供し、AIエージェントとの統合のためのローカルAPI/MCPを公開しています。

  • プロジェクト
    ServeurpersoCom/acestep.cpp

    acestep.cppは、テキストプロンプトから48kHzステレオ音楽を生成するC++ベースのローカルサーバーです。GGML量子化モデル（LM、テキストエンコーダー、拡散DiT、VAE）を使用し、CPU、CUDA、Vulkan、またはMetalで動作します。4つのGGUFモデルファイルをダウンロードした後、バイナリ（CPUのみ、CUDA、Vulkan、またはオールインワン）をビルドしてサーバーを起動します。http://localhost:8085 のWeb UIでは、キャプションを書き、モデル/LoRAアダプターを選択し、トラックを生成、再生、またはダウンロードできます。サーバーには、小さなREST API（POST /lm、/synth、/understand、/vae）とスクリプト用のCLIツールもあります。これは本物のオープンソースAI音楽生成プロジェクトであり、チュートリアルリストではありません。

  • プロジェクト
    AkshitIreddy/AI-Powered-Video-Tutorial-Generator

    AI駆動型ビデオチュートリアルジェネレーターは、Windows専用のデスクトップアプリで、質問やトピックを完全に編集可能なビデオレッスンに変換します。研究、スクリプト作成、ストーリーボード作成、ナレーション、イラスト作成、プレゼンターのアニメーション、最終エクスポートまでを処理し、ローカルの拡散モデル（ComfyUI/SDXL）またはクラウドLLM／画像プロバイダーを使用します。オープンソーススタックはReact/Tauri UI、Rustコア、Pythonパイプラインで構成され、Python、Node、Chromium、FFmpegのランタイムをバンドルしています。