ACE-Step nefunguje ako Suno. Neexistuje žiadne magické textové pole, do ktorého popíšete pesničku a budete sa modliť. Namiesto toho vám dáva dva oddelené ovládacie prvky: tagy, ktoré formujú zvuk, a lyrics, ktoré definujú štruktúru skladby. Pochopenie rozdelenia medzi nimi je rozdielom medzi náhodným výstupom a stopou, ktorú skutočne počujete vo svojej hlave.
Prečo sú ACE-Step prompty iné
Väčšina AI hudobných nástrojov prijíma jediný popis v prirodzenom jazyku. „Napíš mi smutnú klavírnu baladu o stratenej láske“ – a model interpretuje všetko naraz. Žáner, nálada, nástroje, lyrics, štruktúra – všetko zamotané do jednej vety.
ACE-Step oddeľuje tieto záležitosti do dvoch polí, ktoré sa navzájom neovplyvňujú.
tags (popisok) je zoznam kľúčových slov oddelených čiarkami, ktorý riadi audio. Žáner, nálada, nástroje, vokálny štýl, produkčná kvalita, BPM. Považujte ho za mixážny pult: každý tag je jednoduchý posuvný regulátor.
lyrics nesie text piesne plus štruktúrne značky – [verse], [chorus], [bridge] – a jazykové tagy ako [en] alebo [ja]. Nechajte ho prázdny a model vygeneruje inštrmentál.
To je dôležité, pretože môžete vymeniť celý žáner úpravou tagov pri zachovaní rovnakých lyrics. Folková balada sa stane trap beatom za pár sekúnd, s identickými slovami nad úplne odlišnou zvukovou krajbou.
Ako písať tagy
Silná sada tagov má 5–12 kľúčových slov. Viac ako 15 a začnú sa navzájom riediť. Poradie znamená menej než špecifickosť – grand piano prekonáva piano a fingerpicked acoustic guitar produkuje jasnejší výsledok než guitar.
Vzorec
Žáner je vždy prvý
Tag žánru ukotvuje všetko ostatné. ACE-Step pokrýva široký rozsah:
| Rodina | Tagy, ktoré fungujú dobre |
|---|---|
| Elektronická | techno, progressive house, trance, drum and bass, breakcore, darkwave, synthwave |
| Hip-hop | trap, boom bap, drill, phonk, lo-fi hip-hop, cloud rap, uk drill |
| Rock | indie rock, post-rock, shoegaze, dream pop, post-punk, grunge, doom metal |
| Pop | synth-pop, city pop, k-pop, j-pop, indie pop, hyperpop |
| Jazz | bebop, fusion, smooth jazz, gypsy jazz, cool jazz |
| Orchestral | cinematic, trailer music, orchestral score, baroque, minimalist |
| Akustická | indie folk, bluegrass, bossa nova, americana, sea shanty |
| Ambient | dark ambient, drone, new age, generative |
Dostávate blátivé výsledky z nízového žánru ako darkwave alebo breakcore? Spustite rovnaký prompt na XL Turbo pred prepísaním tagov. Väčší model (~10B params) rozlúskne nízové žánre, ktoré 3.5B varianty rozmazávajú dokopy.
Pomenujte nástroje, nie prídavné mená
„Grand piano, upright bass, brushed drums“ dáva modelu tri konkrétne zvukové zdroje na renderovanie. „Sofistikované, elegantné, rafinované“ mu nedáva nič, s čím by pracoval.
XL Turbo je tiež miesto, kde žiaria vzácne nástroje. hammered dulcimer, theremin, shakuhachi, prepared piano – tieto produkujú na XL distinctívne tómbre, ktoré 3.5B modely sploštia do niečoho generického.
Produkčné tagy formujú mix
Tieto riadia zvukové „dokončenie“ stopy. Tagy vernosti (hi-fi, lo-fi, dusty, polished) nastavujú celkovú čistotu. Charakterové tagy ako analog warmth, tape saturation a vinyl crackle pridávajú textúru navrch. Priestorové tagy (wide stereo, intimate, cinematic) definujú, aké veľké stopa pôsobí. A dynamické tagy – compressed, sidechain pumping – formujú správanie hlasitosti.
Rozdiel je dramatický: lo-fi hip-hop, dusty, vinyl crackle, tape saturation a hip-hop, hi-fi, clean, wide stereo produkujú úplne odlišné mixy z identických lyrics.
Vždy zahrňte BPM
Nastavte ho jak v tagoch (napr. 88 bpm), tak ako parameter bpm. Model používa oba vstupy a konzistencia medzi nimi spevňuje rytmický výstup.
| Žáner | Typický rozsah BPM |
|---|---|
| Balada / akustická | 60–80 |
| Lo-fi hip-hop | 70–90 |
| Pop | 100–120 |
| House | 120–128 |
| Techno | 128–140 |
| Trap (polovičný čas) | 130–145 |
| Drum and bass | 170–180 |
Tri chyby v tagoch, ktoré kazia výstup
„Krásna melancholická klavírna skladba o jeseni v Paríži“ vyzerá ako rozumný prompt. Nie je. Model očakáva kľúčové slová: piano ballad, melancholic, intimate, Parisian cafe, felt piano, 68 bpm.
Protichodné tagy spôsobujú iné zlyhanie. aggressive, serene alebo lo-fi, hi-fi, polished nútia model oscilovať medzi pólmi namiesto toho, aby sa zaviazal ktorémukoľvek.
Nakoniec, dajte si pozor na BPM. Otagovanie techno pri 70 bpm mätie model, pretože techno žije pri 128–140. Pomalé a temné? To je dark ambient alebo downtempo, nie pomalé techno.
Ako štruktúrovať lyrics
Lyrics nie sú len slová – sú architektúrou skladby.
Sekčné značky hovoria modelu, čo hrať
Každá značka ide do hranatých zátvoriek, malými písmenami:
| Značka | Účel |
|---|---|
[intro] |
Inštrmentálny otvor |
[verse] |
Sloha |
[pre-chorus] |
Stavba napätia pred hookom |
[chorus] |
Hook – zopakujte ho |
[bridge] |
Kontrastná sekcia |
[inst] |
Inštrmentálne sólo alebo prestávka |
[build-up] |
Stúpajúce napätie (elektronická) |
[drop] |
Vrcholné energetické uvoľnenie (EDM) |
[breakdown] |
Striasť energiu späť (elektronická) |
[outro] |
Záver |
Značka bez textu pod ňou sa stáva inštrmentálnou pasážou. Takto vytvoríte sólá, interlúdiá a prechody bez akýchkoľvek vokálov.
Jazykové značky pre viacjazyčné skladby
ACE-Step podporuje 19 jazykov. Top 10 funguje najlepšie: [en], [zh], [ru], [es], [ja], [de], [fr], [pt], [it], [ko]. Ostatné (vrátane [pl]) fungujú, ale môžu zaostávať.
Umiestnite jazykovú značku na začiatok sekcie, nikdy nie v strede riadku. Anglické slohy s japonským refrénom v j-rockovom štýle je kombinácia, ktorá funguje obzvlášť dobre na XL Turbo.
Držte riadky krátke
Model mapuje slabiky na doby. Riadky 4–8 slabík plynú prirodzene. Pri 12+ slabikách sa vokálny rytmus láme – model sa snaží natlačiť príliš veľa slov do príliš mála dób.
Zopakujte refrén. Pomáha modelu zachytiť konzistentnú melódiu. Rýmovacie schémy AABB alebo ABAB znejú prirodzenejšie než voľný verš, ale rým nie je povinný.
Inštrmentály
Dva spôsoby, ako ísť úplne inštrmentálne:
Nechajte lyrics prázdne a pridajte do tagov
no vocalsaleboinstrumentalPoužite len sekčné značky bez textu:
[intro]→[inst]→[outro]
Pridanie no vocals do tagov pri súčasnom písaní textu lyrics vytvára zmätok – model môže produkovať strašidelné bezslovné vokalizácie. Vyberte si jeden prístup a pridržte sa ho.
Tri varianty, jeden formát promptovania
FilmoTvor.AI prevádzkuje tri modely ACE-Step 1.5. Všetky tri prijímajú rovnaký formát tagov a lyrics – rozdiel je v kvalite, rýchlosti a kontrole:
| Turbo (3.5B) | XL Turbo (~10B, INT8) | Base (3.5B) | |
|---|---|---|---|
| Steps | 8 (fixné) | 8 (fixné) | 5–100 (nastaviteľné) |
| Guidance (CFG) | 1 (fixná) | 1 (fixná) | 3–20 (nastaviteľná) |
| Min. dĺžka | 10s | 10s | 30s |
| Nízové žánre | Niekedy minie | Zvláda dobre | Niekedy minie |
| Dlhé formy (200s+) | Stráca súdržnosť | Drží pokope | Drží pokope |
| Vokálna čistota | Adekvátna | Čistá | Najčistejšia |
Pracovný tok: načrtnite na Turbo (rýchlo vygenerujte 5–10 variantov, nájdite aranžmán, ktorý funguje), doladite na XL Turbo (lepšia zvuková kvalita, väčšina stôp je hotová tu), vyleštite na Base s steps=40–60 (maximálna vernosť pre kritické renderovanie).
Pre Base konkrétne záleží na dvoch parametroch:
Steps riadia kvalitu vs. rýchlosť. 27 je zlatá stredná cesta pre väčšinu práce. Pod 15 dostanete Turbo-like drafty. Nad 60 sa zisky stávajú nepostrehnuteľnými.
Guidance (CFG) riadi, ako prísne model nasleduje vaše tagy. Pri 5–7 hrá voľne a hudobne. Pri 10–12 pozorne sleduje vaše tagy. Nad 15 stuhne a môže zaviesť artefakty. Komplexné prompty profitujú z vyššej CFG; jednoduché žánrové prompty znejú lepšie pri nižších hodnotách.
5 úplných príkladov promptov
1. Lo-fi hip-hop (boom bap, jazzy)
tags:
lyrics:
bpm: 88 · dĺžka: 180s
[inst] pred outrom robí miesto pre jazzom ovplyvnené sólo – na XL Turbo očakávajte stlmenú trúbku alebo klavírnu improvizáciu sa vznášajúcu nad boom bap loopom.
2. Dark progressive techno (inštrmentálne)
tags:
lyrics:
bpm: 134 · dĺžka: 240s
Sekvencia [build-up] → [drop] je pre elektronickú hudbu nevyhnutná. Model číta tieto značky ako dynamické inštrukcie: stúpaj, potom uvoľni. Dva cykly toho vzoru vytvárajú úplný DJ-friendly aranžmán.
3. Chamber folk balada (akustická, intimná)
tags:
lyrics:
bpm: 68 · dĺžka: 210s
Akustický materiál najviac profituje z Base pri steps=40+. Trsací gitara a harmoniká violončela potrebujú extra kroky vzorkovania na čisté rendrovanie. Najprv načrtnite aranžmán na XL Turbo, potom prepnite na Base pre finálny render.
4. Hybrid orchestral trailer (cinematic)
tags:
lyrics:
bpm: 90 · dĺžka: 120s
Trailer hudba závisí od dynamického kontrastu – tiché napätie proti orchestrálnym explóziám. Oblúčik [build-up] → [inst] → [chorus] dáva modelu jasnú trajektóriu od zdržanlivosti k plnej sile.
5. Dark ambient (atmosférické, dlhá forma)
tags:
lyrics:
bpm: 55 · dĺžka: 270s
Pri 270 sekundách sa výhoda varianty XL Turbo nad 3.5B Turbo stáva počuteľnou. Menší model má tendenciu strácať súdržnosť za hraniciou 3 minút – textúry sa opakujú alebo odídu do šumu. XL udrží vyvíjajúcu sa zvukovú krajinu naprieč celou dĺžkou.
Skratka referenčného audia
Všetky tri varianty prijímajú ref_audio – 5–60 sekundový klip, ktorý model považuje za štýlovú referenciu. Tómbre, produkčná textúra a nálada z klipu ovplyvňujú vygenerovanú stopu.
Pošlite suchý inštrmentálny fragment – 10–30 sekúnd, konzistentný štýl naprieč. Čistý gitarový intro, izolovaný synth pad, drum loop. Tieto dávajú modelu jasné tómbre na referenciu.
Vokálne ťažké mixy sa vymstia: model sa snaží naklonovať hlas namiesto extrahovania produkčného štýlu. Husté plné mixy sa zmenia na blato, pretože model spriemeruje všetky vrstvy. Klipy pod 5 sekúnd nesú príliš málo signálu na niečo užitočné.
Na XL Turbo sa prenášajú aj subtílne náznaky – konkrétny dozvuk decay, charakter kompresie na páskach, konkrétna tepala analógového nahrávacieho reťazca. 3.5B varianty zachytia hrubé ťahy, ale tieto detaily minú.
Časté chyby
Chyby v tagoch sme prebrali vyššie. Tu sú tie, ktoré sa objavujú v lyrics a parametroch.
Riadky nad 10 slabík lámu vokálne načasovanie. Model natláča slová do dób, ktoré ich neunesú – prepíšte na 4–8 slabík na riadok a rytmus sa okamžite zachytí.
Naskladanie piatich nízeových žánrov (darkwave, witch house, phonk, vaporwave, drill) znie na papieri dobrodružne. V praxi model nedokáže rozlúsknuť toľko protichodných signálov a výstup sa zrúti do šumu. Jeden primárny žáner plus jeden modifikátor je strop.
Značka [chorus] bez textu pod ňou nevygeneruje chytlavý hook. Vygeneruje ticho. Napíšte lyrics refrénu alebo preoznačte sekciu na [inst].
Zabudnutie jazykovej značky na neanglických lyrics je najzáludnejšie zlyhanie. Poľské slová bez [pl] na začiatku sekcie? Model ich môže zaspievať v anglickej fonetike bez ohľadu na to.
A pascu BPM: vynechajte ho z tagov a model háda. techno bez explicitného BPM tagu môže pristáť na 115 namiesto 130 – dosť blízko na to, aby to znelo zle, dosť ďaleko na to, aby to zničilo groove.