ComfyUIでACE-Step 1.5を使う方法｜AIOモデル導入・音楽生成【初心者向け】

どうも、管理人です。

以前、Windowsで音楽生成AI「ACE-Step 1.5」の専用Portable版を導入しました。

実際に使えるようになるまでにはモデル設定や起動オプションなどでいくつか詰まるところがあり、このブログでもその時の手順を記事にしています。

Windowsで音楽生成モデル「ACE-Step-Portable」(1.5)を動かす

その後、ACE-Step 1.5をComfyUIでも使ってみたのですが、こちらは思っていた以上に簡単でした。

現在のComfyUIにはACE-Step 1.5用のワークフローテンプレートが用意されており、初心者向けには必要なモデルを1ファイルにまとめたAIO（All-in-One）版もあります。

ただ、初めてComfyUIを触ったときには、

そもそもComfyUIをどこから入手するのか
ダウンロードしたComfyUIをどうやって起動するのか
テンプレートはどこにあるのか
ACE-Step 1.5だけでも複数あるけど、どれを選べばいいのか
モデルはどこからダウンロードするのか
生成した音楽はどこに保存されたのか

といったところで少し迷いました。

この記事では、ComfyUIをまだ入れていない状態からACE-Step 1.5で最初の1曲を生成するまでを、実際にWindows PCで確認した内容をもとに順番に紹介します。

ACE-Step 1.5をComfyUIで使うための環境の目安
今回の検証環境
ComfyUI Portableをダウンロードして起動する
ACE-Step 1.5のテンプレートを開く
初心者なら「ACE-Step 1.5 音楽生成 AIO」がおすすめ
モデルが入っていなくてもComfyUIが教えてくれる
AIOモデルをダウンロードする
AIOモデルの保存場所
モデルを置いたのに警告が消えない場合
実際にACE-Step 1.5で音楽を生成する
RTX 5070 Ti 16GBで30秒曲を生成した結果
生成した音楽はどこに保存される？
私はモデルをSSD、生成ファイルをHDDに分けている
AIO版と分割モデル版はどちらを使えばいい？
専用ACE-Step Portable版と比べてどうだった？
まとめ

ACE-Step 1.5をComfyUIで使うための環境の目安

最初にPC環境についてです。

ACE-Step 1.5自体は比較的VRAMが少ないGPUでも動作できるよう設計されていますが、VRAM容量によって使用できるモデルやLM（言語モデル）、CPUオフロードの必要性などが変わります。

ACE-Step 1.5公式のGPU別推奨構成を大まかに整理すると、次のようなイメージです。

6GB以下：2B turbo中心、LMなしの軽量構成
6～8GB：2B turbo + 軽量な0.6B LM
8～16GB：2B turbo / sft + 0.6Bまたは1.7B LM
16GB以上：2B系に加えてXL系も選択肢に入る

そのため、これからComfyUIでACE-Step 1.5を普通に試してみたい場合は、個人的にはVRAM 8GB以上を一つの分かりやすい目安にするとよいと思います。

もちろん8GB未満では動かないという意味ではありません。使用するモデルや設定、CPUオフロードなどによって必要なVRAMは変わります。

また、今回使用するAIOモデルだけでも約9GB以上あるため、ストレージにも十分な空き容量を用意しておいてください。

詳しいGPU別構成については、ACE-Step 1.5公式GitHubも確認してみてください。

今回の検証環境

今回実際に確認した環境は次のとおりです。

Windows PC
NVIDIA GeForce RTX 5070 Ti 16GB
NVIDIA Driver 610.62
ComfyUI v0.28.0

ACE-Step 1.5については、初心者向けのAIO版と、複数のモデルファイルを個別に読み込む分割版の両方で生成を確認しました。

この記事では、まずAIO版を使って最初の1曲を作る方法を中心に説明します。

ComfyUI Portableをダウンロードして起動する

ComfyUIをまだ入れていない場合は、まずWindows Portable版を用意します。

ComfyUI Portableは、ComfyUI本体と実行に必要な独立したPython環境がセットになったWindows向けパッケージです。

Python環境を別途用意して一から構築する必要がなく、基本的にはダウンロード → 解凍 → 起動という流れで使い始められます。

1. ComfyUI公式ページを開く

まず、ComfyUI公式のWindows Portable版ページを開きます。

ページ内の「ComfyUI Portableのダウンロード」から、自分が使っているGPUに合ったPortable版を選びます。

NVIDIA GeForce RTXシリーズを使っている場合は、NVIDIA GPU向けの標準Portable版を選べばよいでしょう。

ComfyUI公式ページではNVIDIAだけでなく、AMD GPUやIntel GPU向けのPortable版も案内されています。

ダウンロード項目やCUDA・Pythonのバージョンは今後更新される可能性があるため、その時点で公式ページに「最新のNVIDIA GPU向け」と案内されているものを選ぶのがおすすめです。

2. ダウンロードしたファイルを解凍する

ダウンロードが終わったら、圧縮ファイルを解凍します。

ComfyUI公式では7-Zipを使った解凍が案内されています。

解凍すると、次のようなComfyUI_windows_portableフォルダができます。

ComfyUI_windows_portable
├─ ComfyUI
├─ python_embeded
├─ update
├─ README_VERY_IMPORTANT.txt
├─ run_cpu.bat
└─ run_nvidia_gpu.bat

このフォルダ一式がComfyUIの実行環境になります。

3. ComfyUIフォルダを使いたい場所へ配置する

解凍したComfyUI_windows_portableフォルダは、自分が管理しやすい場所へ移動して構いません。

私の環境ではSSDのDドライブに、

D:\ComfyUI_windows_portable

として配置しています。

このあとACE-Stepだけでなく、画像生成・動画生成などのAIモデルも同じComfyUI環境へ追加していくことになるため、空き容量に余裕のあるドライブへ置いておくと管理しやすいです。

特にAIモデルは1ファイルで数GB～十数GBになることもあります。

4. run_nvidia_gpu.batからComfyUIを起動する

NVIDIA GPUを使用している場合は、ComfyUI_windows_portableフォルダ内にある、

run_nvidia_gpu.bat

をダブルクリックします。

これはWindows Portable版に最初から入っているNVIDIA GPU用の標準起動BATです。

起動すると黒いコマンドプロンプト画面が開き、ComfyUIの読み込みが始まります。

準備が完了すると、通常はブラウザからComfyUIの画面を開けるようになります。

ブラウザが自動で開かない場合は、ChromeやEdgeなどで次のアドレスを開いてください。

http://127.0.0.1:8188

この画面が表示できればComfyUIの起動は完了です。

ComfyUIを使用している間は、起動時に開いた黒いコマンドプロンプト画面を閉じないでください。閉じるとComfyUIも終了します。

ACE-Step 1.5のテンプレートを開く

ComfyUIが起動したら、ACE-Step用のワークフローを開きます。

私の日本語UIでは、左上の「メニュー」→「テンプレートを参照」と進むとテンプレート一覧を開けます。

ComfyUIのバージョンや表示言語によっては、英語で「Workflow」「Browse Workflow Templates」などの表記になっている場合があります。

テンプレート一覧を開いたら、左側の生成タイプから「オーディオ」を選びます。

ここで初めてACE-Step 1.5を使う人は、少し迷うかもしれません。

私が確認した時点でも、

ACE-Step 1.5 AI 歌詞・楽曲生成
ACE-Step 1.5 音楽生成（4B LLM）
ACE-Step 1.5 音楽生成ワークフロー
ACE-Step 1.5 音楽生成 AIO

など、ACE-Step 1.5だけでも複数のテンプレートが表示されていました。

初心者なら「ACE-Step 1.5 音楽生成 AIO」がおすすめ

初めて使う場合は、まず「ACE-Step 1.5 音楽生成 AIO」を選ぶのが分かりやすいです。

AIOはAll-in-Oneの略で、通常は複数に分かれているモデルを1つのチェックポイントファイルへまとめた構成です。

ComfyUI公式でもAIO版は推奨されており、「大多数のユーザーに推奨」と案内されています。

詳しい公式手順は、ComfyUI ACE-Step 1.5 AI音楽生成ガイドで確認できます。

今回使用するAIOモデルは、

ace_step_1.5_turbo_aio.safetensors

です。

私が確認した時点では約9.34GBありました。

モデルが入っていなくてもComfyUIが教えてくれる

AIOテンプレートを開いた時点でモデルをまだ持っていなくても問題ありません。

今回、あえてAIOモデルを入れていない状態でテンプレートを開いてみたところ、画面右上に「1個の必要なモデルが不足しています」という警告が表示されました。

ACE-Step 1.5 AIOテンプレートで必要モデル不足の警告が表示されたComfyUI

これはComfyUIが壊れたわけではなく、テンプレートが必要とするモデルを見つけられなかったという意味です。

「不足しているモデルを表示」を押してみます。

ComfyUIに表示されたACE-Step 1.5 AIO不足モデルとダウンロードボタン

今回のAIOテンプレートでは、checkpointsに1個のモデルが必要であることと、約9.34GBのダウンロードボタンが表示されました。

つまり、初心者が自分でモデル名を検索してHugging Face内を探し回らなくても、まずテンプレートを開けば必要なモデルを確認できます。

これはComfyUIを初めて使う人にはかなり便利だと感じました。

AIOモデルをダウンロードする

不足モデルの画面で「ダウンロード」を押します。

今回使用したWindows Portable環境では、ComfyUI内へ直接インストールされるのではなく、ブラウザによる通常のファイルダウンロードが始まりました。

使用しているブラウザやダウンロード拡張機能によって、ここで表示される画面は多少異なると思います。

ダウンロードするファイル名は、

ace_step_1.5_turbo_aio.safetensors

です。

AIOモデルの保存場所

ダウンロードしたAIOモデルは、ComfyUI Portableフォルダ内の次の場所へ配置します。

ComfyUI_windows_portable
└─ ComfyUI
   └─ models
      └─ checkpoints
         └─ ace_step_1.5_turbo_aio.safetensors

私の環境では、実際のフルパスは次のようになっています。

D:\ComfyUI_windows_portable\ComfyUI\models\checkpoints\ace_step_1.5_turbo_aio.safetensors

「名前を付けて保存」が表示された場合は、最初からこのcheckpointsフォルダを保存先に指定しておけば、ダウンロード後にファイルを移動する手間を省けます。

モデルを置いたのに警告が消えない場合

モデルをcheckpointsフォルダへ配置しても、開いているComfyUIの画面にはモデル不足警告が残っている場合があります。

今回の環境では、モデルを配置してからCtrl + F5でブラウザを再読み込みしたところ、モデルが認識され、不足モデルの表示が消えました。

ACE-Step 1.5 AIOモデル配置後に不足モデル警告が消えたComfyUI

Ctrl+F5でも認識されない場合は、一度ComfyUIを終了して、run_nvidia_gpu.batから起動し直してみるとよいと思います。

実際にACE-Step 1.5で音楽を生成する

モデルが認識されたら、いよいよ音楽を生成します。

AIOテンプレートには最初から必要なノードが配置されています。

初めての場合は、いきなりノードを追加したり配線を変更したりせず、まずテンプレートをそのまま使って1曲出してみるのがおすすめです。

今回のテストでは、Song Durationを30秒に変更しました。

Song Duration：30秒
Seed：31
Steps：8
Lyrics：空欄

プロンプトには次の文章を使用しました。

uplifting fantasy orchestral background music, gentle strings, piano, light percussion, instrumental, emotional, game background music

今回は、まず正常に音が出るかを確認するため歌詞なしのインストゥルメンタル曲として生成しています。

設定できたら、画面上部の「実行する」を押します。

RTX 5070 Ti 16GBで30秒曲を生成した結果

今回のRTX 5070 Ti 16GB環境では、AIO版で30秒の音楽を正常に生成できました。

Prompt executed in 13.14 seconds

生成が終わると「オーディオ保存（MP3）」ノードに再生ボタンが表示され、その場で結果を確認できます。

ACE-Step 1.5 AIOで30秒の音楽生成が完了し再生ボタンが表示されたComfyUI

30秒の音楽を実時間より短い時間で生成できました。

もちろん生成時間はGPU、モデルのロード状態、VRAM、キャッシュ、曲の長さなどで変わりますので、13.14秒という数値は今回の環境での一例です。

生成した音楽はどこに保存される？

これも初めてComfyUIを使ったときに、私が少し迷った部分です。

標準設定では、生成物はComfyUIのoutputフォルダへ保存されます。

今回のワークフローでは「オーディオ保存（MP3）」ノードを使用しているため、生成した音楽はMP3として保存されます。

ただし、私の普段の環境では起動BATに、

--output-directory "K:\ComfyUI_Output"

を追加して、出力先を変更しています。

そのため今回生成したファイルは、実際に、

K:\ComfyUI_Output\audio\ComfyUI_00001.mp3
K:\ComfyUI_Output\audio\ComfyUI_00002.mp3
K:\ComfyUI_Output\audio\ComfyUI_00003.mp3

へ保存されていました。

初心者の場合は最初から変更する必要はありません。まずは標準のoutputフォルダを使い、必要になってから保存先を変更すれば十分です。

私はモデルをSSD、生成ファイルをHDDに分けている

私の環境では、ComfyUI本体とAIモデルをSSDのDドライブ、生成した画像・動画・音楽などを大容量HDDのKドライブへ分けています。

理由は、AIモデルと生成済みファイルではストレージに求めるものが少し違うためです。

今回のAIOモデルだけでも約9.34GBあり、ローカル生成AIを使い始めると数GB～十数GBのモデルがどんどん増えていきます。

モデルは起動時や初回ロード、モデル切り替え時などにストレージから読み込むので、私はモデル読み込み時の待ち時間を抑えるためSSDへ配置しています。

一方、生成済みの画像・動画・音声は数が増えやすいため、容量に余裕のあるHDDへ保存しています。

ただし、モデルをSSDへ置いたからといって、GPU上で行われる生成演算そのものが必ず高速になるという意味ではありません。

主にモデルの読み込みや切り替え時の使い勝手を考えた構成です。

AIO版と分割モデル版はどちらを使えばいい？

今回、AIO版だけでなく分割モデル版でも生成を試しました。

初めてACE-Step 1.5を使うなら、私はまずAIO版をおすすめします。

AIO版なら、

ace_step_1.5_turbo_aio.safetensors

1ファイルで始められます。

一方、分割版ではDiffusion Model、Text Encoder、VAEなどを個別に用意します。

私の環境では、分割版では例えば次のようなファイルを使用しています。

acestep_v1.5_turbo.safetensors
qwen_0.6b_ace15.safetensors
qwen_1.7b_ace15.safetensors
ace_1.5_vae.safetensors

モデルやText Encoderを細かく選びたい段階になったら、分割版へ進めばよいと思います。

同じ30秒条件で分割版を再度生成したところ、今回の実測は、

Prompt executed in 17.75 seconds

でした。

AIO版は13.14秒、分割版は17.75秒でしたが、これだけでAIO版の方が高速とは判断していません。

ComfyUIはモデルのキャッシュやVRAM上の状態などでも実行時間が変わるため、ここではどちらも正常に30秒曲を生成できたという実測値として掲載しています。

専用ACE-Step Portable版と比べてどうだった？

以前ACE-Step 1.5専用Portable版をWindowsへ導入した際には、私の環境では歌詞付き生成のNaN対策、起動オプション、モデル指定など、まともに動かすまでにかなり調整しました。

今回ComfyUI版を使って印象的だったのは、「まず1曲出す」までの流れがかなり整理されていることです。

テンプレートを選び、必要なモデルがなければComfyUIが知らせてくれ、モデルを指定されたフォルダへ配置すれば、そのままワークフローを実行できます。

専用Portable版にはACE-Step専用UIならではの良さもありますし、モデルや生成設定を細かく追い込みたい場合には今でも選択肢になります。

ただ、「ローカルAIで音楽生成を初めて試したい」という人には、私はまずComfyUI版を試すのが分かりやすいと思います。

特にComfyUIはACE-Stepだけでなく、画像・動画・その他のオーディオ生成モデルも同じ環境で扱えるので、今後いろいろなローカル生成AIを試したい場合にも環境をまとめやすいのがメリットです。

まとめ

ComfyUIでACE-Step 1.5を使ってみたところ、初心者向けのAIOテンプレートなら想像していたより簡単に音楽生成まで進められました。

特に便利だったのは、テンプレートを開いた時点で不足モデルを検出し、必要なモデルを確認できる点です。

今回の手順をまとめると、

ComfyUI公式からWindows Portable版をダウンロードする
圧縮ファイルを解凍する
ComfyUI_windows_portableフォルダを使いたい場所へ配置する
run_nvidia_gpu.batで起動する
「メニュー」→「テンプレートを参照」を開く
「オーディオ」を選ぶ
「ACE-Step 1.5 音楽生成 AIO」を選ぶ
不足しているAIOモデルをダウンロードする
models\checkpointsへ配置する
ComfyUIを再読み込みする
プロンプトと曲の長さを設定する
「実行する」を押す
再生して生成結果を確認する

という流れになります。

ComfyUIは最初に画面を見るとノードが大量につながっていて難しそうに見えますが、最初からワークフローを自作する必要はありません。

まず公式テンプレートをそのまま使って1曲生成してみると、意外と簡単に扱えることが分かると思います。

今後はComfyUIを使ったStable Audio 3、画像生成、動画生成などについても、実際に試しながらまとめていく予定です。

ComfyUIでACE-Step 1.5を使う方法｜AIOモデル導入からAI音楽生成まで初心者向けに解説