今天带大家体验一个完整的 ACE Step 文本驱动 AI 音乐创作工作流。它通过歌词、多行提示词与生成参数组合出一段情绪明确、节奏流畅的 AI 原创音乐。从文本结构、曲风设定到最终音频的输出，这套流程把复杂的音乐生成拆成清晰的文字驱动方式，让创作者只需要写歌词与描述风格即可轻松得到成品音乐。

整个工作流围绕歌词输入、曲风提示、生成配置与最终音频保存四个环节展开，结构紧凑，步骤直观，适合想快速上手 AI 音乐制作的用户。

工作流介绍

这套工作流以文本描述为核心驱动力，通过模型接收歌词、风格提示与生成参数，将其整合后输入到音乐生成引擎中，最终产出一段完整音频。核心模型负责理解文本含义和音乐风格走向，各类 Node 节点共同协作完成歌词处理、风格描述、生成参数配置与音频最终输出。所有节点以线性逻辑串联，使整个流程从输入到产出保持高一致性与可控性。

核心模型

核心音乐生成由 ACEStepGen 承担，它根据多行歌词、曲风提示与生成参数，将文本信息转化为具备节奏、旋律与氛围的音乐音频。它理解歌词的段落结构、情绪走向，也能响应曲风提示中对声线质感、节奏、配器与氛围的描述，使最终音乐能贴近文本设定。整个工作流依赖它完成从“文字”到“声音”的关键转换过程。

模型名称	说明
ACEStepGen	接收歌词、风格提示与生成参数，将文本内容转化为完整音乐音频。

Node节点

各节点围绕文本输入、提示加工、参数生成与音频输出展开协作。
歌词由 CR Prompt Text 与 MultiLineLyrics 处理，风格提示通过 Text 与 MultiLinePromptACES 输入；生成参数由 GenerationParameters 和 PrimitiveFloat 共同提供；最终由 SaveAudio 将生成的音乐保存输出。所有节点功能分工明确，使创作者能灵活控制音乐风格细节。

节点名称	说明
CR Prompt Text	输入或整理基础提示文本。
MultiLineLyrics	接收多段歌词并输出结构化歌词内容。
Text	输入基本风格提示文本。
MultiLinePromptACES	转换并输出曲风提示词。
GenerationParameters	控制音乐生成参数，包括时长、节奏、CFG、scheduler等。
PrimitiveFloat	提供音频时长参数。
ACEStepGen	根据文本与参数生成音乐。
SaveAudio	将成品音乐输出为音频文件。

工作流程

整个流程围绕“歌词输入 → 曲风设定 → 参数配置 → 音乐生成 → 音频保存”展开。文本在进入生成模型前会被清洗、结构化并与风格提示合并，再通过参数节点补充节奏、步数、时长等细节，最终由音乐生成节点统一处理并输出成品。所有阶段顺次推动，使音乐从概念到成果都由文字精确驱动。

流程序号	流程阶段	工作描述	使用节点
1	文本准备	输入基础提示文本，用作歌词前置结构或参考内容	CR Prompt Text
2	歌词处理	将多段歌词结构化为可识别格式，输出为生成模型可读内容	MultiLineLyrics
3	曲风提示	输入风格词并转换为统一格式提示，让模型理解音乐气质与配器方向	Text、MultiLinePromptACES
4	参数配置	设置音乐时长、步骤、CFG、scheduler 等生成参数，为模型建立生成规则	PrimitiveFloat、GenerationParameters
5	音乐生成	综合歌词、风格提示与参数，生成具有旋律与情绪表达的完整音乐	ACEStepGen
6	音频输出	保存生成的音乐文件，完成最终成品输出	SaveAudio

大模型应用

ACE-Step Prompt 作曲风格语义控制模型

ACE-Step Prompt 的任务是读取用户输入的“作曲风格文本”，并将这些描述转换为可供音乐大模型理解的风格向量。
所有与声线、情绪、曲风、节奏到配器相关的内容都通过这一 Prompt 传递，因此它是决定音乐整体质感与氛围的核心控制层。

模型不会自行推测风格，也不会添加额外配器；它完全根据 Prompt 提示进行生成。
因此，Prompt 描述越细致，音乐风格越稳定、越接近创作者预期。

节点名称	Prompt 信息	说明
ACE-Step Prompt	示例风格提示： Light children music, soft female vocal, bright and playful melody, gentle rhythm, warm acoustic guitar, soft piano, glockenspiel tones, cheerful and innocent atmosphere, lively but simple arrangement 风格要素说明： 声线质感：柔和、明亮、温暖、甜美、空灵、稚嫩、力量感等 情绪氛围：轻松、治愈、梦幻、悲伤、深情、强烈等 曲风倾向：动漫流行、民谣、EDM、儿童音乐、配乐风等 节奏特点：轻柔、跳跃、舒展、清晰节拍等 配器氛围：木吉他、钢琴、合成器、弦乐、钟琴等	用于定义音乐整体风格，包括声线气质、情绪基调、节奏密度与配器方向。模型将 Prompt 转换为音乐结构指导信号，是音乐风格的主控模块。

---

ACE-Step Lyrics 歌词结构与情绪推进控制模型

ACE-Step Lyrics 负责通过歌词文本的段落结构与语言内容向大模型提供“情绪变化节奏”。
模型会根据不同段落标签（Verse、Chorus、Bridge 等）生成对应的旋律推进方式，使音乐具有自然的情绪曲线与段落起伏。

歌词不仅提供内容叙述，还决定音乐中哪些部分平稳铺陈、哪些部分爆发、哪些部分进入过渡或高潮。

节点名称	Prompt 信息	说明
ACE-Step Lyrics	示例歌词格式： [Verse] this is an Eagle, an Eagle, an Eagle this is a Sparrow, a Sparrow, a Sparrow this is a Parrot, a Parrot, a Parrot this is a Crane, a Crane, a Crane 歌词段落作用： [Verse] → 平稳叙述 [Pre-Chorus] → 情绪提升 [Chorus] → 主旋律爆发 [Bridge] → 氛围收束或强化 [Final Chorus] → 最高潮强化版本	控制音乐段落逻辑。模型依靠标签和文字语义来决定旋律强度变化，使歌曲具备情绪推进结构，是音乐“叙事骨架”的来源。

使用方法

这套工作流通过“歌词结构 + 风格提示 + 生成参数”三部分完成自动化音乐生成。用户只需替换文本，不需要具备任何编曲能力。
ACE-Step Lyrics 决定整首歌的段落节奏与情绪推进，而 ACE-Step Prompt 则负责定义声线、曲风、节奏与配器质感。两者结合后，生成模型会自动根据文本内容重建旋律、氛围、爆发点与音乐层次。
当用户更新歌词或风格提示时，工作流会立即重新解析文本语义并自动生成新的音乐成品。歌词控制叙事节奏；Prompt 控制风格框架；时长参数让音乐结构更加自然一致。所有输入字段都是高权重语义信号，决定音乐最终的表现方式。

注意点	说明
歌词必须保持段落标签清晰	Verse、Chorus、Bridge 等标签直接影响旋律起伏和强弱变化。
风格提示需覆盖五大核心要素	声线、情绪、曲风、节奏、配器越明确，音乐越贴近预期。
文本描述越具体越好	如“明亮女声”“轻快木吉他节奏”等能更精准地控制效果。
时长需与歌词匹配	歌词段落较多时需适当延长音频时长，避免旋律被压缩。
避免堆叠无关形容词	过度复杂的描述可能导致模型风格混乱。
英文与中文歌词都可，但节奏表现不同	若混合两种语言，需提前设计节奏和段落密度。
修改任意文本都会触发重新生成	每次更新 Prompt 或歌词都会得到完全不同的音乐结果。

应用场景

这套工作流适合需要快速从文本生成可用音乐内容的用户。无论是内容创作者、短视频制作者，还是希望测试歌词灵感的音乐人，都能通过输入文字描述与基本风格提示完成成品音乐的生成。它能在创意初期快速辅助构建旋律雏形，也能作为成品音频直接用于内容制作。文本驱动的灵活性使得风格、情绪与配器都能被快速迭代，从而提升创作效率和实验空间。

应用场景	使用目标	典型用户	展示内容	实现效果
文本驱动音乐创作	从歌词与风格词快速生成完整音乐	内容创作者、独立音乐人、短视频制作者	歌词、曲风提示、模型生成音乐	快速得到情绪明确、风格统一的成品音频

开发与应用

更多 AIGC 与 ComfyUI工作流 相关研究学习内容请查阅：

ComfyUI使用教程、开发指导、资源下载

更多内容桌面应用开发和学习文档请查阅：

AIGC工具平台Tauri+Django环境开发，支持局域网使用
AIGC工具平台Tauri+Django常见错误与解决办法
AIGC工具平台Tauri+Django内容生产介绍和使用
AIGC工具平台Tauri+Django开源ComfyUI项目介绍和使用
AIGC工具平台Tauri+Django开源git项目介绍和使用