ACE-Step是开源音乐生成基础模型，通过整体架构设计克服了现有方法的局限性。基于LLM的模型（如Yue、SongGen）在歌词对齐方面表现出色，但推理速度慢且存在结构性瑕疵。扩散模型（如DiffRhythm）虽然能够快速合成，但常常缺乏长期结构连贯性。ACE-Step通过结合基于扩散的生成、Sana的深度压缩自编码器（DCAE）和轻量级线性Transformer来解决这些已存在的问题，进一步利用MERT和m-hubert在训练期间对齐语义表示（REPA），实现快速收敛。 ACE-Step在A100