Ace-Step 音乐创作教程：中文风格描述+中文歌词，AI 生成完整歌曲
Ace-Step 音乐创作是什么？能做什么
Ace-Step 是当前最强的 AI 音乐生成模型之一，1.5 turbo 版已经内置在整合包里（9.3GB），本地免费无限量生成完整歌曲——你给它一段风格描述（中文就行）加一份歌词（中文就行），它就能生成一首带人声演唱的完整歌曲，包括伴奏、和声、配器，直接存成 MP3。
它能做什么？
- 原创歌曲：写好歌词，选个风格（流行/古风/摇滚/史诗管弦乐……），AI 唱给你听
- 视频 BGM 定制：不要歌词也行，只填风格描述，生成纯音乐当背景乐
- 游戏/动画主题曲：描述想要的感觉（宏大、悲壮、治愈），配合歌词直接出成品
和前面的 TTS 配音不同：TTS 是"照着文字读出来"，Ace-Step 是真正的音乐创作——它会自己作曲、编曲、演唱，生成的是完整的一首歌。
第 1 步：打开音乐创作工作流
启动 ComfyUI（双击 ComfyUI启动器.exe），浏览器打开界面后：
- 左侧「工作流」列表打开 AI星尘-开箱即用 文件夹
- 进入 音频 子文件夹
- 选择 Ace-Step-1.5-音乐创作.json
模型已内置（models\checkpoints\Ace_Step_1.5\ace_step_1.5_turbo_aio.safetensors），开箱即用。工作流自带一首英文史诗管弦乐示例，这一篇我们把它改成全中文版本跑一遍——正好教你怎么填。
第 2 步：认识工作流（核心是中间的提示词节点）
从左到右五个区域：
- 模型加载区：Ace-Step 1.5 turbo 整合模型（9.3GB，已选好不用动）
- 时长区：Song Duration 节点，默认 120 秒（歌曲总时长，最长可拉到 2000 秒）
- 提示词区：TextEncodeAceStepAudio1.5——本工作流的心脏，风格描述（tags）+ 歌词（lyrics）+ 音乐参数都在这
- 采样区：8 步 euler 采样（turbo 模型很快），默认不用动
- 保存区：解码 + 存成 MP3（128k 音质）
这一篇你只需要动提示词区一个节点里的三个输入框：tags（风格）、lyrics（歌词）、language（语言），外加可选的 bpm/调式/时长。
第 3 步：填中文风格描述（tags）
工作流默认的 tags 是一大段英文（史诗管弦乐描述）。换成中文完全没问题，直接把框里英文删掉，填你想要的中文描述——风格、乐器、情绪、用途都可以写：
电影级史诗管弦乐，宏大叙事，气势磅礴。开篇是深沉雷鸣般的打击乐与太鼓，弦乐断奏层层叠加，强有力的铜管传递英雄使命，合唱声浪与如歌的小提琴营造牺牲与荣光，动态范围宽广，进行曲般的前进感，适合史诗战斗或电影预告片高潮，庄严肃穆又充满胜利的坚韧。
风格描述写得越具体，出来的歌越接近你的想象。换风格就换这段描述：想听古风就写"古筝琵琶、笛箫悠扬、国风意境"，想听摇滚就写"失真吉他、强力鼓点、热血摇滚"。
第 4 步：填中文歌词（lyrics）
在 lyrics 输入框填歌词。格式有讲究：用 [Intro]、[Verse 1]、[Chorus]、[Verse 2]、[Outro] 这样的段落标记，AI 才能正确分主歌/副歌唱出结构。
工作流默认是英文歌词，我们换成中文原创歌词（史诗风格和上一段的 tags 配套）：
[Intro]
（低沉的弦乐铺垫，远处鼓声渐起）
[Verse 1]
夜色漫过古老的城墙
烽火在远方微微发烫
我们踏过灰烬的荒原
把最后的星火点亮
[Chorus]
穿过风雨与烈火的洗礼
每一寸山河刻着姓名
让世界记住这呐喊声
我们的名字燃烧在天际
[Verse 2]
剑已出鞘就不再回头
背负着岁月无声的守候
推开命运紧锁的重门
向那黎明大步走
[Chorus]
穿过风雨与烈火的洗礼
每一寸山河刻着姓名
让世界记住这呐喊声
我们的名字燃烧在天际
[Outro]
（恢弘的和声渐弱）
胜利……在寂静中
荣光……永不消散
（最后一声鼓响）
歌词结构要点：主歌（Verse）讲故事，副歌（Chorus）喊情绪，副歌通常重复两遍；想纯音乐不要人声，把歌词框清空只留风格描述即可。
第 5 步：把语言改成中文（zh）——关键一步！
在同一个节点上找到 language（语言）下拉框——默认是 en（英文），必须改成 zh（中文），否则中文歌词会被按英语发音唱出来。
语言列表很全：中英日韩法德西俄都有（zh=中文、ja=日语、ko=韩语、yue=粤语……），唱什么语言就选什么。
第 6 步：（可选）调整音乐参数
再往下是几个音乐参数，默认值已经不错，想个性化再动：
- bpm：105——歌曲速度。抒情歌 70~90，流行歌 100~120，燃向可以拉到 130+
- timesignature（拍号）：2——下拉有 2/3/4/6，流行歌一般用 4，进行曲用 2，圆舞曲用 3
- keyscale（调式）：D minor——决定歌曲的"调"，列表里 34 个大调/小调随便选（小调偏忧伤深沉，大调偏明亮阳光）
- 时长：Song Duration 节点默认 120 秒（2 分钟），想更长把数字改大
第 7 步：点运行，等一首歌诞生
点右侧「运行」按钮。生成分两个阶段：先由内置 LLM 生成"音频码"（这一步较慢，是歌曲质量的关键，不要动），再 8 步采样出音频。
一首 2 分钟的歌大约需要 5~15 分钟（看显卡），生成完成后 SaveAudioMP3 节点显示结果，文件在：
ComfyUI\output\audio\ace-step-1.5\
不满意就换种子重跑（seed 节点默认 fixed 31，点 dice 随机化），或改歌词/风格描述——改文字就能改歌，随便折腾。
参数速览（保持默认即可）
- seed：31（fixed）——同一套配置换个种子就是新的一首歌，多抽几次挑满意的
- generate_audio_codes：true——LLM 生成音频码，质量高但慢；保持开启
- 采样器：8 步 / euler / simple / cfg 1——turbo 模型的标准快配置，不用动
- cfg_scale 2 / temperature 0.85 / top_p 0.9：内部参数，默认即可
- ModelSamplingAuraFlow（shift 3）：模型采样修正节点，保持默认
进阶玩法
- 纯音乐 BGM：lyrics 清空，只留 tags 风格描述，出来的就是纯伴奏
- 换风格换情绪：改 tags 就换整首歌的氛围——同一份歌词可以生成摇滚版、古风版、抒情版
- 自定义时长：Song Duration 改到 30 秒就是一段短 BGM，改到 180 秒就是完整长歌（歌词不够长会拖长间奏）
- 多语言歌曲：language 改成 ja/ko/yue 等，配上对应语言的歌词即可
- 批量抽卡：把 seed 改成 randomize，连跑几次从结果里挑最好的
常见问题
- 唱出来是英语发音？language 忘了改 zh——这是最常踩的坑，歌词是中文就必须把语言切成中文
- 生成很慢？正常，LLM 生成音频码阶段占了大头，2 分钟的歌等 5~15 分钟是常态；缩短时长可以加快
- 歌词不按结构唱？检查 [Intro]/[Verse 1]/[Chorus] 段落标记是否写对、有没有漏掉
- 显存不足？关掉浏览器其他标签再跑；这首歌模型约 9.3GB，16G 显存可以跑
- 输出文件在哪？
ComfyUI\output\audio\ace-step-1.5\
小结
Ace-Step 音乐创作就三步：填中文风格描述（tags）→ 填中文歌词（lyrics）→ 语言切中文（zh）→ 点运行。2 分钟完整歌曲、带人声带伴奏，本地免费无限量。歌词结构、bpm、调式都是锦上添花，改文字就能改歌。
