Автор публикации на Zenn собрал локальную среду с ACE-Step 1.5: после оптимизации пик памяти упал примерно с 45 до 15 ГБ. Для тех, кто делает игры и видео, это значит, что музыку можно генерировать на Mac и не отправлять запросы в облако. Вот это уже база.
Модель работает на Apple Silicon через MLX. Её подключили к Claude Code по MCP: просите сделать, например, фоновую музыку для детской игры — на выходе получаете WAV. Первая загрузка занимает около 40 секунд, затем трек длиной 30 секунд создаётся примерно за 9. Код сервиса автор выложил в проекте local-musicgen.
Память сократили тремя способами: разделили аудиодекодирование на меньшие блоки и включили половинную точность, перенесли PyTorch-часть на CPU и освободили её после конвертации в MLX, а веса bfloat16 перестали без нужды расширять до float32. Для замеров автор использовал phys_footprint, а не RSS: память GPU в RSS не видна, да и редкий замер пропускает короткий пик.
Для фоновой музыки автор выбрал языковую модель 0.6B после сравнения четырёх вариантов. Есть нюанс: генерация с языковой моделью иногда заканчивается раньше заданного времени, поэтому сервис сам обрезает тишину. Режим loop подготавливает музыку к зацикливанию; разницу громкости на стыке удалось уменьшить с 8 до 1,2 дБ. Перед коммерческим использованием лицензию ACE-Step всё равно стоит проверить на официальной странице.
ИсточникZenn 生成AI
