【衝撃】Suno超え？！完全無料の音楽生成AI『ACE-Step 1.5』が登場。ローカル環境で商用レベルの曲を量産する方法

どうも皆さん！日本で一番好きな都市は福岡市です、 葉加瀬あい（ハカセアイ） です！

皆さん、ついにローカル環境での「Text-to-Music（文字から音楽を生成する技術）」が次のステージへ到達しましたね！✨

これまでSunoやUdioといった有料サービスでしか作れなかった高品質な楽曲が、ついに 「自分のPC（ローカル環境）」で、「無料で」、「爆速生成」 できる時代が来ました。　　

その名も… 『ACE-Step 1.5』 です！

以前からあったオープンソースの音楽生成モデル「ACE-Step」ですが、今回1.5にアップデートされ、とんでもない性能を見せています。　　

結論、私の個人的な感想としては、SunoやUdioでは難しかった「キレのある音楽の特徴」をきちんと掴んで生成してくれるイメージです。

TikTokトレンドとか、ショート動画の切り抜きで使われるようなキャッチーな曲調とも相性バッチリですね！

実は私もDTM（デスクトップミュージック）で音楽を作っていた経験があるので、今回はその知識も織り交ぜながら、最強のComfyUIワークフローを実装したり、解説していきたいと思います！　　

ということで、今回お話しする内容はこんな感じです！

1.　 Suno 4.5級のクオリティを無料で実現するACE-Step 1.5の衝撃
2.　 画像から曲を作る！？最新マルチモーダル作曲術
3.　 日本語でOK！魔法の1クリック実行ワークフロー徹底解説

この記事を読めば、皆さんのPCが最強の音楽スタジオに変わります！

なお、Youtube では note の内容を動画に変換して公開しているので、まだの方は noteのフォロー や YouTubeのチャンネル登録 もお願いします！

https://www.youtube.com/%40AI-Hakase

また、今回の動画版はレンダリングが終了し次第、こちらにて公開していますので、動画派の方はぜひご覧ください！

それでは、本日もよろしくお願いします！

「ACE-Step 1.5」が音楽制作の常識を覆す理由

さて、今回のテーマである「ACE-Step 1.5」ですが、一体何がそんなに凄いのか？その核心に迫っていきましょう！

一言で言えば、これは SunoやUdioといった有料商用サービスに匹敵する楽曲を、自分のPCで、しかも無料で生成できる という革命的な技術なんです。

後ほどまた解説しますが、一般的なゲーミングPCやノートPCでも動作する驚異的な軽さを実現しながら、プロ級の音楽制作に必要な機能がこれでもかと詰め込まれています。　　

プロも唸る多彩な編集機能

ただ曲を作るだけではありません。ACE-Step 1.5には、音楽制作の現場で即戦力となる機能が満載です。

• Text-to-Music:
  プロンプトから楽曲を生成します。歌詞指定の歌唱曲はもちろん、インストゥルメンタルも自由自在。
  さらに、オープンソースならではの強みとして、画像や動画を分析するビジョンモデルと組み合わせれば、 「画像からその雰囲気に合った曲を生成する」 なんてこともできちゃいます！

• ジャンルの高度な融合:
  「レゲトンにフラメンコ要素を混ぜる」といった複雑な指示も通ります。

• 楽曲の展開制御:
  サビ、ブリッジ、アウトロといった構造をプロンプトで制御可能。

• オーディオ・インペインティング:
  曲の一部だけ（3〜90秒）を指定して、歌詞や楽器をピンポイントで修正・書き直しができます。

• オーディオリファレンス機能:
  参考になる音源を読み込ませて、そのスタイルを移植することが可能。既存曲の構造を保ったまま、全く別のジャンルへリミックスするような使い方も！

圧倒的な生成速度と低コスト

RTX 3090なら1曲（約4分）を10秒以内、最新のRTX 5090ならわずか1秒ほどで生成できてしまうという、爆速っぷりです！

VRAM 6GB程度の低スペックPCでも1分以内にフル楽曲が作れますし、4GB VRAMでも動作するので、ノートPCユーザーの方も安心です！

MITライセンスで商用利用も自由！

そして何より素晴らしいのが、 MITライセンス で提供されている点です。

生成した音楽はそのまま商用利用が可能。YouTubeのBGM販売や、楽曲提供ビジネスにも即戦力で使えます。

月額料金を気にせず、高品質なBGMを大量生成し、動画素材や商用ライブラリとして活用できる。

また、Sunoなどのサブスク型サービスを超える評価値を叩き出しており、もはやAI作曲は「借りる」時代から「所有する」時代へと突入しました！

💡 ここが技術的推しポイント：なぜACE-Step 1.5は「革命」なのか？

ACE-Step 1.5が、なぜこれほど軽量なのに高品質な長尺曲を作れるのか？その秘密は、従来の音楽生成AIとは一線を画す 「革新的なハイブリッド・アーキテクチャ」 にあります。

一言で言うと、 「優秀なプロデューサー」と「超絶技巧の演奏家」がタッグを組んだような仕組み なんです！

https://x.com/cocktailpeanut/status/2019167645187338693

1.　ハイブリッドLM + DiT構造

このモデルは、以下の2つのAIが役割分担をして動いています。

• 言語モデル（LM）： 曲の構成や歌詞、展開の「設計図（プラン）」を作る プロデューサー役 。

• 拡散トランスフォーマー（DiT）： 設計図を元に、実際の高音質な音を生成する 演奏家役 。

従来のモデルはこれらを一括でやろうとして破綻しがちでしたが、ACE-Step 1.5はこの役割分担により、 最大10分の長尺曲でもメロディが崩れず、一貫性を保ったまま生成 できるんです！

さらに、以下のような最新技術も盛り込まれています。

• 5Hz LM連携： 40億パラメータ（4B）クラスの言語モデルを組み合わせ、音楽の構造を深く理解。

• Parallel Thinking（並列思考）： 生成過程で構成を「思考」し、展開の不自然さを解消。

• DCAE（Deep Compression AutoEncoder）： 音声を高品質なまま圧縮し、処理を爆速化。

• Linear Transformer： 従来のLLMベースより15倍もの高速化を実現。

2.　Chain-of-Thought（思考の連鎖）

「Aメロ→Bメロ→サビ」といった展開を、AIがただ予測するのではなく、 「次はどう展開すべきか？」を段階的に考えながら生成 します。これにより、プロンプトへの忠実度が劇的に向上し、意図通りの曲が作れるようになりました。　　

https://x.com/ai_hakase_/status/2020116795093397801?s=20

3.　驚異の軽量化と「AIO」モデル

導入も超スムーズ。 「AIO（All-In-One）」モデル を使えば、VAEやCLIPといった必要なファイルがすべて1つのファイル（`ace_step_1.5_turbo_aio.safetensors`）にパッケージ化されているので、複雑な設定なしに最高品質の生成環境が手に入ります。

4.　LoRA対応とAPI活用

そして、クリエイターにとって嬉しいのが 「LoRA（追加学習）」への対応 です。
わずか8曲、約1時間の学習で、特定のジャンルや自分の歌声をAIに覚えさせることが可能。「自分専用の音楽モデル」を育てられるんです！

https://tinyurl.com/22pbqf9b

さらにAPIも利用可能なので、自社サービスに組み込んで「状況に合わせて変化する音楽」を生成する、なんてことも夢じゃありません。

詳しくは公式のガイドもチェックしてみてください！
https://github.com/ace-step/ACE-Step-1.5/blob/main/docs/en/GRADIO_GUIDE.md#lora-training

5.　ビジネス・マネタイズの可能性

ComfyUIにも対応済みなので、動画制作のBGM量産や、特定ジャンルに特化した音楽制作など、ビジネス活用シーンは無限大です！

• 動画制作： BGMコストをゼロに。

• ゲーム開発： 即席サウンド制作で工数削減。

• 音楽制作： 外注から「内製」へシフト。

サブスク料金を気にせず、ローカル環境で高品質な音楽を作れる時代がついに来ました。これはまさに 音楽制作の民主化 です！✨

【推奨環境】RunPodでフルスペックを体験！

ちなみにこのモデル、 32GBの巨大VRAMがあれば100％の性能を発揮 します！

そこでおすすめなのが、私がいつも激推ししているクラウドGPUサービス 「RunPod」 です！

RunPodを使えば、RTX 3090や4090といったハイエンドGPUを、1時間数十円〜数百円という激安価格で利用できます。商用サービスを契約するより断然お得に、ACE-Step 1.5のフルスペックを使い倒せます！

https://note.com/ai_hakase/n/n9eb2265f98f7

音楽を完全支配する！1クリック実行ワークフロー解説

ここからは、その 「ACE-Step 1.5」 を、無料のAIツール「ComfyUI」を使って誰でも簡単に動かしていく方法を、ハンズオン形式で徹底解説していきます！

今回は、ただデフォルトで生成するだけではありません。
さらに高品質な音楽を生み出すために、 より優れたテキストエンコーダーをカスタムパーツとして組み込み、BPMやキースケール、ステップ数、サンプラーモデルまでを最適化した「神ワークフロー」 をご用意しました！

使い方は超シンプル！
作りたい曲のイメージや歌詞を日本語で入力するだけ でOKです。

内部で最適な英語プロンプトへの翻訳や、楽曲構成の自動生成が行われるので、音楽の専門知識がなくても大丈夫です！

今回私が特別にご用意したワークフローは、 ローカル環境でも、クラウド環境（Runpodなど）でも、どちらでも動かせる ようになっています！

「ComfyUIって難しそう…」「環境構築でいつも挫折しちゃう…」
そんな初心者の方でも、絶対に大丈夫です！
Runpodを使って、 たった1クリックで全ての準備が完了する魔法のような方法 を解説しているので、自信がない方はぜひ参考にしてください！

ぜひ、皆さんもこの感動を味わってみてください！　　

…ということで！
ここからは、私のNoteメンバーシップ 「あいらぼ（Ai-Lab）」 の入門者さん限定で、やっていきたいと思います！

https://note.com/ai_hakase/n/ncdcda4208fd7

人数制限 を設けているので、気になる方はお早めに以下のURLから入門して続きをご覧ください！

ワークフローのセットアップ手順

それでは実際に、こちらの特製ワークフローを説明したりお配りしたりしていこうかと思います！

まずは、この先に表示されるメンバーシップ限定エリアから、 「Jupyterノートブック」 と 「ワークフローファイル」 の2つをダウンロードしてください！

• ローカル環境で実行する方 → 「ワークフローファイル」のダウンロードだけで大丈夫です！ただし、セットアップでつまずいてしまった場合は、どちらかの「ipynb」ファイルを参考にセットアップを進めてください。

• 【推奨】Runpodで実行する方 → 「ワークフローファイル」と「Rp_run_comfyui_hakase_v〇〇.ipynb」をセットでダウンロードしてください！