› ACE-Step 1.5 s'impose comme un générateur de musique IA local open source sous licence MIT capable de créer une piste stéréo complète avec voix et paroles sur sa propre carte graphique.
› Lors de mes benchmarks du 17 octobre 2026 sur ma RTX 4090, le modèle a restitué en moyenne 95,6% des mots dans un test multilingue exigeant, générant deux minutes d'audio en 34 à 91 secondes.
› Pour situer ces capacités dans un cadre plus large, vous pouvez explorer mon guide sur l'IA locale pour les modèles texte, image et vidéo.
› Au 17 octobre 2026ACE-Step 1.5 (ACE Studio et StepFun, poids publiés en janvier 2026, licence MIT libre y compris pour un usage commercial) : architecture de diffusion 2B déclinée en Turbo, Base et SFT, complétée par une variante XL (4B) depuis le 2 avril 2026.Planificateur linguistique (dérivé de Qwen3) disponible en trois échelles : 0,6B, 1,7B et 4B.Intégration native dans ComfyUI : modèle prêt à l'emploi accessible via le menu Templates avec les fichiers distribués par l'organisation Comfy-Org.Conditions de mon banc d'essai : machine équipée d'une RTX 4090 24 Go, ComfyUI 0.41, ACE-Step 1.5 Turbo couplé au planificateur 1.7B, évaluation de la clarté vocale par Whisper large-v3.