ACE-Step
im Test.

Lizenzfreie Musik für ein Imagevideo oder einen Podcast kostet entweder Geld im Stockmusik-Abo oder Zeit bei der Suche nach dem passenden Stück. ACE-Step erzeugt sie stattdessen auf der eigenen Grafikkarte. Länge und Stilrichtung gibst du im Prompt vor. Das Projekt hat auf GitHub über 11.000 Sterne, die aktuelle Version 0.1.8 stammt vom 18. Mai 2026, und die MIT-Lizenz deckt auch den kommerziellen Einsatz der erzeugten Musik ab.

Wichtigste Funktionen

• Stücke bis 10 Minuten aus Text und Songtext: Du beschreibst Stil, Stimmung und Instrumentierung, gibst bei Bedarf einen Songtext dazu und bekommst ein fertiges Stück in Stereo mit 48 kHz. Die Spanne reicht von 10 Sekunden für einen Jingle bis zu 600 Sekunden. Den Gesang beherrscht ACE-Step in über 50 Sprachen. Deutsch ist dabei.
• Ein fertiges Stück in unter 10 Sekunden: So schnell arbeitet ACE-Step nach Angaben des Projekts auf einer RTX 3090, auf einer A100 dauert es unter 2 Sekunden. Bis zu 8 Stücke entstehen in einem Durchlauf. Mehrere Varianten nebeneinander zu hören kostet damit kaum Zeit.
• Einzelne Stellen gezielt neu erzeugen: Repaint ersetzt eine Passage, ohne den Rest des Stücks anzufassen. Retake erzeugt kontrollierte Varianten desselben Stücks, Flow-Edit verändert vorhandenes Audio nach einer Textanweisung. Dazu kommen Cover-Versionen und eine automatisch erzeugte Begleitung zu einer bereits vorhandenen Gesangsspur.
• Spuren trennen und Audio auslesen: ACE-Step zerlegt ein Stück in einzelne Spuren und ergänzt auf Wunsch weitere Ebenen. Aus vorhandenem Audio liest es Tempo, Tonart und Taktart aus, für erzeugte Stücke schreibt es die Songtext-Zeitstempel im LRC-Format mit und bewertet die Klangqualität automatisch.
• Eigener Klang per LoRA: Aus 8 eigenen Stücken trainierst du einen Stiladapter, auf einer RTX 3090 mit 12 GB in etwa einer Stunde. Die Weboberfläche hat dafür einen eigenen Reiter, für den Feinschliff gibt es das Kommandozeilen-Werkzeug Side-Step.
• Weboberfläche, REST-API und VST3-Plugin: ACE-Step bedienst du im Browser, über die REST-API oder auf der Kommandozeile. Für Windows und macOS gibt es fertig gepackte Versionen, für Server ein Docker-Image. Python installierst du dafür nicht. Das offizielle VST3-Plugin bindet die Generierung direkt in Reaper oder Ableton ein.

Preise und Tarife

ACE-Step kostet nichts, weder als Abo noch pro erzeugtem Stück, und die MIT-Lizenz erlaubt den kommerziellen Einsatz der Ergebnisse. Die realen Kosten stecken in der Hardware. Die 2B-Modelle laufen ab 4 GB Grafikspeicher, das XL-Modell braucht mindestens 12 GB mit Auslagerung in den Arbeitsspeicher und 20 GB für flüssiges Arbeiten. Die Gewichte holt es beim ersten Start selbst von Hugging Face, rund 9 GB für die XL-Reihe und rund 4,7 GB für die 2B-Modelle. Auf einer reinen CPU läuft es ebenfalls, nur eben langsam. Wer ACE-Step ohne eigene Hardware testen will, findet eine Demo auf Hugging Face; das Repository verweist außerdem auf den kostenlosen Webdienst acemusic.ai, dessen Betreiber und Serverstandort nicht ausgewiesen sind.

Für wen ist ACE-Step geeignet?

• Video- und Podcastproduktion im eigenen Unternehmen: Ein Intro oder ein Übergang entsteht in genau der Länge, die der Schnitt gerade braucht. Die Suche im Stockarchiv entfällt, ebenso die monatliche Gebühr dafür. Wer regelmäßig produziert, spart sich damit die Lizenzprüfung für jedes einzelne Stück.
• Marketing- und Agenturteams: Für eine Kampagne erzeugst du mehrere Musikvarianten in einem Durchlauf und legst sie dem Kunden zur Auswahl vor. Über die Sprachunterstützung entstehen Werbespots für verschiedene Märkte auf derselben musikalischen Grundlage.
• Musikerinnen und Musiker mit eigener Handschrift: Mit einem LoRA-Adapter überträgst du deinen eigenen Stil auf ACE-Step und arbeitest anschließend mit den Einzelspuren aus der Spurtrennung weiter. Über das VST3-Plugin bleibt der ganze Vorgang in der gewohnten Software.

DSGVO und Datenschutz

ACE-Step läuft komplett auf der eigenen Hardware und unterstützt NVIDIA über CUDA, AMD über ROCm und Vulkan, Intel-Grafik sowie Apple Silicon über MLX. Die Modelle lädt es einmal von Hugging Face und arbeitet danach ohne Internetverbindung. Personenbezogene Daten sind bei dieser Anwendung ohnehin selten im Spiel.

Nach der Modellkarte wurde ACE-Step auf lizenzierter Musik, gemeinfreiem und lizenzfreiem Material sowie synthetisch aus MIDI erzeugten Aufnahmen trainiert, und das Projekt erklärt die Ergebnisse ausdrücklich für kommerziell nutzbar. Gleichzeitig weist es selbst darauf hin, dass eine zu große stilistische Nähe zu bestehenden Werken trotzdem eine Urheberrechtsverletzung auslösen kann, und empfiehlt, die Ergebnisse zu prüfen und den KI-Einsatz offenzulegen. Für Werbematerial und Kundenprojekte hältst du diese Prüfung schriftlich fest. Wer statt der lokalen Installation die Demo oder acemusic.ai nutzt, gibt Prompt und Songtext an einen Dritten weiter. Für Datenschutzanforderungen wie einen Auftragsverarbeitungsvertrag oder die Prüfung von Drittlandtransfers ist die lokale Installation damit unkritisch. Die eigentliche Prüfpflicht liegt hier beim Urheberrecht.

Alternativen zu ACE-Step

• Suno: Kommerzieller Cloud-Dienst mit einfacher Weboberfläche und Abomodell. Die Bedienung ist zugänglicher als eine lokale Installation, dafür liegen deine Eingaben beim Anbieter und die Nutzungsrechte hängen am gebuchten Tarif. ACE-Step ordnet seine eigene Qualität zwischen Suno v4.5 und Suno v5 ein.
• Udio: Ebenfalls ein kommerzieller Musikgenerator aus der Cloud, mit Schwerpunkt auf Songwriting und dem nachträglichen Überarbeiten einzelner Passagen.
• ElevenLabs: Für Sprachaufnahmen und Soundeffekte statt Musik ist ElevenLabs die passende Wahl. Der Dienst läuft ausschließlich in der Cloud auf US-Servern.