Install Guide

Cómo Instalar ACE-Step Localmente

Guía de configuración completa para Windows, macOS y Linux — incluyendo solución de errores más comunes.

Última actualización: Febrero 2026

Requisitos del Sistema

ComponentMinimumRecommended
GPUNVIDIA RTX 2080 (8GB VRAM)NVIDIA RTX 3090/4090 (24GB VRAM)
CPUIntel i7-8700 / AMD Ryzen 7 3700XIntel i9-12900K / AMD Ryzen 9 5900X
RAM16GB DDR432GB+ DDR4
Storage20GB SSD50GB+ NVMe SSD
CUDA Version11.812.1
Python3.93.10 or 3.11
OSWindows 10, macOS 12, Ubuntu 20.04Ubuntu 22.04 LTS (best performance)

Pasos de Instalación

  1. 1

    Instalar Conda o Miniconda

    Descarga e instala Miniconda desde conda.io. Esto gestiona tu entorno Python y previene conflictos de dependencias.

  2. 2

    Clonar el Repositorio

    Ejecuta: git clone https://github.com/ace-step/ACE-Step.git && cd ACE-Step

    git clone https://github.com/ace-step/ACE-Step.git
cd ACE-Step
  3. 3

    Crear Entorno Conda

    Ejecuta: conda env create -f environment.yml && conda activate ace-step

    conda env create -f environment.yml
conda activate ace-step
  4. 4

    Instalar PyTorch con CUDA

    Para CUDA 11.8: pip install torch==2.0.1+cu118 -f https://download.pytorch.org/whl/cu118/torch_stable.html

    pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2+cu118 \
  -f https://download.pytorch.org/whl/cu118/torch_stable.html
  5. 5

    Descargar Pesos del Modelo

    Ejecuta: python download_models.py para obtener el checkpoint del modelo (~15GB) de HuggingFace.

    python download_models.py
  6. 6

    Iniciar la Interfaz Web

    Ejecuta: python app.py para iniciar la interfaz web Gradio en http://localhost:7860

    python app.py

Optimización de Rendimiento

Para generación más rápida, usa precisión FP16 (bandera --fp16) en GPUs compatibles. Instala xformers para habilitar la atención xFormers y obtener un 30-40% de mejora en velocidad.

pip install xformers
python app.py --fp16

Problemas Comunes y Soluciones

Error de Memoria Insuficiente (OOM)

Si encuentras errores CUDA OOM, intenta habilitar la cuantización de 8 bits añadiendo --quantize int8 al comando de inicio. Alternativamente, habilita la descarga de CPU con --cpu-offload.

python app.py --quantize int8
# or
python app.py --cpu-offload --fp16

Conflictos de Dependencias

ACE-Step requiere versiones específicas de PyTorch y CUDA. Siempre usa el archivo de entorno conda proporcionado o requirements.txt.

Puerto Ya en Uso

Si el puerto 7860 está ocupado, añade --port 7861 (o cualquier puerto disponible) al comando de inicio de Gradio.

python app.py --port 7861

Ruta del Modelo No Encontrada

Asegúrate de tener espacio suficiente en disco (los pesos del modelo son ~15GB). Ejecuta el script de descarga desde el directorio raíz del proyecto.

FAQ

Omite la Configuración por Completo

¿No te gustan los comandos de terminal y el infierno de dependencias? FM9 ofrece generación de música IA compatible con ACE-Step en tu navegador. Sin GPU, sin configuración, sin esperar.

Comenzar a Crear Gratis

Artículos Relacionados