Suno級がローカルで？音楽生成AI「ACE-Step 1.5」を本気で検証

2026年02月20日 09時00分更新

文● 田口和裕

　ワークフローは9ノードで構成されているが、設定で触れるのは「Step1 - Load Model」「Step2 - Duration」「Step3 - Prompt」の3つだけだ。

　「Load Model」では使用するAIモデルを選択する。ここは「ace_step_1.5_turbo_aio.safetensors」のままで問題ない。

　「Duration」では生成する曲の長さを秒で指定する。デフォルトは120秒。最短10秒から最長10分まで設定できるため、スケッチ用途にもフルサイズ制作にも対応する。

「Load Model」と「Duration」

　「Prompt」ノードでは、楽曲の方向性を決める。上部のテキスト欄にはスタイルや雰囲気を英語で記述する。デフォルトプロンプトには、ネオソウル調、ライブ感のあるドラム、ヒップホップ的な後ノリのビートなどが細かく指定されている。

プロンプト：Neo-Soul: A warm, organic neo-soul track dripping with live instrumentation and effortless groove. A live drummer plays a loose, hip-hop influenced pocket—soft kick drum with lazy swing, snare hits that sit just behind the beat, and brushed hi-hats that breathe and shuffle with human imperfection.（ネオソウル：温かくオーガニックなネオソウル。生演奏の質感に満ち、自然にうねるグルーヴを持つ。ドラムはルーズでヒップホップの影響を感じさせる後ノリ。柔らかなキックがゆったりとスウィングし、スネアはわずかにビートの後ろに置かれ、ブラシの入ったハイハットが人間らしい揺らぎを伴って呼吸するように刻まれる。）

　下部のテキスト欄は歌詞入力用で、[Intro - Guitar Riff & Drums]、[Verse 1]といった楽曲構成を示すタグや実際に歌わせたいフレーズが細かく書き込まれている。

プロンプト：[Intro - Guitar Riff & Drums]
mm…
yeah…
let it breathe…

[Verse 1]
Late night glow on your skin
Window cracked, city hums again
Coffee rings on the table top
Time don’t rush, it just drops （以下略）

　「bpm」はテンポ、「timesignature」は拍子（4なら4/4拍子）、「language」は歌詞の言語、「keyscale」は調性の指定だ。この4つは曲の骨格を決めるパラメーターで、今回の検証でも実際に変更して試している。

　「temperature」「top_p」「top_k」「min_p」はLMの生成ランダム性を制御する。temperatureを上げると展開が大胆になり、下げると安定する。「cfg_scale」はプロンプトへの忠実度で、上げすぎると単調になりやすい。「generate_audio_codes」は内部表現の生成方式で、通常はデフォルトのままでよい。これらは今回の検証ではいじっていない。