Thử huấn luyện LoRA nhạc chiptune cho ACE-Step 1.5 XL với bộ dữ liệu mẫu

Fizgig ACE-Step Chiptune Starter là bộ dữ liệu mẫu để huấn luyện LoRA âm nhạc cho ACE-Step 1.5 XL. Nó giải quyết một trở ngại khá thực tế: thay vì tự đoán cách sắp xếp file, viết caption và chọn thiết lập ngay từ lần đầu, bạn có thể bắt đầu bằng một bộ mẫu đã hoàn chỉnh rồi mới chuyển sang nhạc riêng.

Tài nguyên phù hợp với người đang dùng Fizgig hoặc ComfyUI và muốn thử đưa một chất âm cụ thể vào ACE-Step. Bộ dữ liệu gồm 10 bản chiptune không lời của Eric Skiff, mỗi bản dài khoảng 2 đến 3,5 phút, kèm caption. Trang dự án cũng cung cấp LoRA đã huấn luyện từ bộ này để bạn nghe và thử trước khi tự chạy quá trình huấn luyện.

Ảnh minh họa do Tài Nguyên Số tạo để bổ sung ngữ cảnh cho bài viết.

Bạn có thể dùng nó vào việc gì?

Làm quen với quy trình huấn luyện LoRA nhạc

Bạn có thể tải thư mục songs/, chọn nó làm thư mục huấn luyện trong Fizgig rồi dùng preset ACE-Step chính thức được tác giả hướng dẫn. Đây là cách tương đối rõ ràng để hiểu một bộ dữ liệu nhạc cần những gì trước khi tự chuẩn bị dữ liệu.

Dùng làm mẫu cho bộ nhạc riêng

Cấu trúc của bộ dữ liệu khá dễ theo: mỗi bài có một file âm thanh và một file caption .txt tương ứng. Các caption cùng dùng từ kích hoạt fzgchip. Khi chuyển sang nhạc của mình, bạn có thể giữ cách tổ chức này và thay nội dung caption cho phù hợp.

Thử chất âm chiptune mà chưa cần huấn luyện

LoRA mẫu đi kèm có thể được nạp vào ACE-Step 1.5 XL Turbo trong ComfyUI hoặc Fizgig. Theo hướng dẫn của tác giả, mức strength khoảng 0,5 thường tạo nhạc mới theo chất âm của bộ dữ liệu, còn khi tăng gần 1 thì kết quả có xu hướng bám sát nhạc huấn luyện hơn. Đây là điểm khởi đầu để thử nhạc 8-bit, arpeggio nhanh hoặc màu sắc game retro.

Theo dõi quá trình học qua từng checkpoint

Preset được mô tả sẽ lưu checkpoint và bản nghe thử sau mỗi 40 epoch. Điều này hữu ích khi bạn muốn so sánh các giai đoạn thay vì chỉ nhận một kết quả cuối. Tác giả cũng lưu ý rằng preview có thể nghe rất tệ trong một khoảng thời gian đầu rồi mới cải thiện khi mô hình tiến gần hơn đến phong cách mục tiêu.

Cần lưu ý

Đây không phải công cụ dành cho người chỉ muốn bấm nút và có nhạc ngay. Bạn cần một môi trường Fizgig hoặc ComfyUI đã thiết lập phù hợp. Con số khoảng hai giờ cho 800 epoch được ghi nhận trên RTX 5090, vì vậy máy khác có thể mất thời gian rất khác.

Toàn bộ nhạc nguồn thuộc album Resistor Anthems của Eric Skiff và được phát hành theo CC BY 3.0. Trang dữ liệu yêu cầu ghi công Eric Skiff khi chia sẻ các bài nguồn hoặc nhạc tạo bằng LoRA này. Hãy đọc kỹ phần credit và mẹo huấn luyện trên Hugging Face trước khi sử dụng hoặc công bố kết quả.