Guía de AceStep.cpp

Ace Step es un nuevo modelo open source de generación de música, al estilo de otros como Suno o Udio, que permite generación de música a partir de prompts de texto o canciones de base de forma 100% local, usando tu tarjeta gráfica.

En esta guía vamos a ver como utilizar acestep.cpp, un potente software similar a llama.cpp que permite crear un servidor para utilizar Ace Step y generar canciones fácilmente.

El primer paso es clonar el repo de acestep.cpp para descargarnos los ficheros necesarios. Observa que necesitas un flag --recurse-submodules para descargar ciertos detalles especiales:

git clone --recurse-submodules https://github.com/ServeurpersoCom/acestep.cpp
cd acestep.cpp

Una vez descargado, entramos en la carpeta.

Aunque acepstep.cpp facilita un script models.sh para descargar todos los modelos automáticamente, recomiendo hacerlo a mano para elegir exactamente los modelos adecuados.

Necesitaremos descargar al menos 4 archivos del repo de ACE Step 1.5:

Como siempre, si quieres una calidad musical alta, es mejor bajarse los modelos más grandes y sin cuantizar. Sin embargo, si tenemos una GPU poco potente no tendremos capacidad suficiente, por lo que se recomienda bajar versiones cuantizadas. En el momento de escribir esta guía, las cuantizaciones disponibles (de más grande a más pequeñas) son BF16 > Q8_0 > Q6_K > Q5_K_M > Q4_K_M.

cd models
export ARG="--content-disposition"
export URL="https://huggingface.co/Serveurperso/ACE-Step-1.5-GGUF/resolve/main"
wget $ARG "$URL/vae-BF16.gguf?download=true"                    # 337MB
wget $ARG "$URL/Qwen3-Embedding-0.6B-BF16.gguf?download=true"   # 1.2GB
wget $ARG "$URL/acestep-5Hz-lm-4B-BF16.gguf?download=true"      # 8.3GB
wget $ARG "$URL/acestep-v15-xl-turbo-BF16.gguf?download=true"   # 9.9GB
wget $ARG "$URL/acestep-v15-turbo-BF16.gguf?download=true"      # 4.8GB

Observa que los últimos dos archivos son el mismo, pero en formato XL y formato normal. Si tienes una GPU potente de más de 8GB, descarga la versión XL. En caso contrario, utiliza la versión normal o versiones cuantizadas.

Para utilizar acestep.cpp necesitaremos compilar el sistema para nuestro PC. Si utilizas Windows, recuerda que lo recomendable es utilizar WSL. En caso contrario, tendrás que usar los scripts terminados en .cmd e instalar las Visual C++ Build Tools de Microsoft.

cd ..
./buildcuda.sh

cd ..
./buildvulkan.sh

PS: Si usas Windows, y no quieres compilar, en la web tienes los ficheros ya compilados listos para descargar en una carpeta de tu equipo.

Si hemos llegado hasta aquí ya tenemos nuestro sistema compilado. Ahora sólo falta levantar el servidor y aprender a utilizarlo. Para ello, ejecutamos server.sh y nos aparecerá algo similar a lo siguiente:

./server.sh
[Server] Scanning models in ./models
[Registry] Qwen3-Embedding-0.6B-BF16.gguf -> Text-Enc
[Registry] acestep-5Hz-lm-4B-BF16.gguf -> LM
[Registry] acestep-v15-xl-sft-BF16.gguf -> DiT
[Registry] acestep-v15-xl-sftturbo50-BF16.gguf -> DiT
[Registry] vae-BF16.gguf -> VAE
[Server] Scanning adapters in ./adapters
[Store] Created (policy=STRICT)
[Server] acestep.cpp da5bc90 (2026-06-21)
[Server] Listening on 0.0.0.0:8085
[Server] Pipelines: /lm /synth /understand
[Server] Models: 1 LM, 1 Text-Enc, 2 DiT, 1 VAE, 0 Adapter

Esto significa que ha cargado los modelos y está listo para funcionar. Accedemos a la web http://localhost:8085 y nos encontraremos una UI desde donde podremos utilizar acestep.cpp.

Tras activar el modo oscuro en la casilla superior derecha Dark (de nada), podemos ver una sección de Server logs donde nos irá avisando de como va trabajando o si hay algún error. Localiza el menu izquierdo, que tiene varias secciones: Models, Caption, Lyrics, Advanced LM, etc.

Lo primero será indicarle los modelos que vamos a utilizar. Desplegamos Models y seleccionamos los modelos de los que hablamos anteriormente: el LM, el DiT y el VAE. LoRA lo dejamos desactivado.

Vamos a hacer una primera prueba. Localiza estos tres campos:

• Name: Escribe el título de tu canción
• Caption: Prompt. Es donde se describe detalladamente tu canción
• Lyrics: Es donde va la letra de tu canción.

Busca la sección Metadata. Aquí encontrarás cosas interesantes como Language para establecer el idioma, BPM (beats per minute) la velocidad de la canción, la duración u otros detalles.

Abajo, tenemos tres botones:

• Dice: Completa campos caption, lyrics y metadata de valores predefinidos aleatorios.
• Inspire: Usa el LM para generar metadatos y letra a partir del caption.
• Format: Usa el LM para formatear la letra y la canción tenga más sentido.

Pulsa una detrás de otra. Inspire y Format tarda un poco ya que va cargando el modelo. Los modelos no se cargan a la vez para no necesitar GPU muy potentes, sino que va utilizar un modelo, y genera los resultados.

De momento, dejamos Advanced LM con los valores por defecto y pulsamos el botón Compose. Esto hará que el LM genere tokens de audio para que la canción tenga sentido con los datos proporcionados.

Por último, tenemos 3 secciones más Task, Flow y Advanced. Vamos a dejarlos todos sin tocar, pero fíjate en Task / Type, que tenemos marcada la opción Text2Music. Debería aparecernos el LED LM Codes en verde y el resto en rojo.

Buscamos el botón Synthesize, que es el que genera la canción, lo pulsamos y esperamos a que termine. Encima de Server logs nos aparecerá nuestra primera canción generada, que podremos escuchar pulsando el botón play de la esquina superior izquierda.

Esto es la forma más básica de generar una canción. Es muy probable que hayan partes de la canción que no suenen bien, desafinen o no lean correctamente la letra, ya que ahí entra en juego que los parámetros indicados tengan sentido y cuadren bien.

Además, también puedes usar el botón Open para basarte en una canción inicial (donde verdaderamente brilla este modelo) marcando la casilla Src audio, usar su timbre como referencia con Timbre ref o utilizar Menu / Compute VAE latents o LM Understand para que entienda canciones o secciones concretas y tenga más coherencia.

Algunos ejemplos realizados sobre mi canción Su profecía de Music Manz. La he utilizado de base para cambiarle el estilo, hacer reversiones o simplemente pasarte la letra: