ACE-Step no ComfyUI: Guia Completo para Gerar Músicas Profissionais com IA Grátis e sem Placa de Vídeo Forte

A revolução das inteligências artificiais gerativas começou com textos e imagens. Ferramentas como ChatGPT, Midjourney e Stable Diffusion redefiniram como produzimos arte e conteúdo visual. No entanto, o universo musical por muito tempo permaneceu restrito a plataformas proprietárias e pagas como Suno e Udio — ambientes fechados onde você não tem controle total do código, dos arquivos de modelo ou da infraestrutura de renderização.

Isso muda radicalmente com o surgimento do ACE-Step, um modelo de fundação de código aberto (open-source) projetado especificamente para a criação, edição e manipulação avançada de áudio e música por IA. Comparado pela comunidade como o "momento Stable Diffusion da música", o ACE-Step traz para o universo do áudio o poder da geração local e de fluxos de trabalho visuais através do ComfyUI.

Neste artigo, você aprenderá em detalhes o que é o modelo ACE-Step, como ele funciona internamente, quais são as suas vantagens sobre as plataformas pagas e, o mais importante: como instalar e executar a ferramenta de graça no Google Colab usando o Ngrok, direto na sua conta do Google Drive.

COMFYUI MASTERCLASS

Gere imagens e vídeos de forma ilimitada e sem censura aprendendo o melhor fluxo de trabalho!

Saiba mais!

O Que É o ACE-Step?

O ACE-Step é um modelo de Inteligência Artificial para geração e edição de áudio que atua como uma infraestrutura de fundação. Diferente dos modelos puramente baseados em LLM (Large Language Models), que tendem a ser lentos na geração de áudio longo, ou dos modelos tradicionais de difusão pura, que costumam perder a estrutura musical com o tempo, o ACE-Step adota uma arquitetura híbrida de altíssima eficiência.

Principais Destaques do ACE-Step

• Velocidade Extrema: Capaz de sintetizar áudios completos em questão de segundos usando aceleradores modernos.
• Controle Estrutural Fino: Aceita marcações de arranjo como [Verse], [Chorus], [Bridge] e [Outro], sincronizando os vocais e instrumentos com a estrutura formal da música.
• Versatilidade Multilingue: Suporte para mais de 50 idiomas, garantindo dicção natural para o vocal.
• Modos de Operação Avançados: Além de gerar música do zero a partir de texto (Text-to-Music), ele suporta:
  • Inpainting / Repaint: Regenerar apenas um trecho específico da música sem alterar o restante.
  • Cover & Remix: Usar uma faixa de áudio de referência para transformar o estilo, manter a melodia ou alterar os vocais.
  • Estilos e Timbres: Mais de 1.000 combinações de instrumentos e gêneros musicais reconhecidos de forma nativa.

Integrado ao ComfyUI, o ACE-Step ganha nós (nodes) visuais que permitem integrar o fluxo de áudio com prompts, sementes (seeds), parâmetros de amostragem e até integração com LLMs locais para geração automática de letras e estilos.

Por Que Executar o ACE-Step via ComfyUI no Google Colab?

Modelos de IA para geração de áudio de alta qualidade costumam exigir placas de vídeo (GPUs) com grande quantidade de VRAM (memória de vídeo). O modelo do ACE-Step em sua versão completa pode exigir de 8GB até mais de 12GB de VRAM dependendo das configurações e do tamanho do modelo.

Ao utilizar o Google Colab, você aproveita as GPUs em nuvem fornecidas pelo Google para processar o áudio pesadamente, enquanto o Google Drive armazena os nós, repositórios e modelos baixados para você não perder nada quando a sessão fechar.

A conexão entre a nuvem do Colab e o seu navegador local é feita pelo Ngrok, um serviço de tunelamento seguro que gera um link externo direto para a interface do ComfyUI no seu navegador.

Passo a Passo: Códigos de Instalação no Google Colab

Abaixo estão os scripts divididos em duas células prontas para serem copiadas e coladas no seu notebook do Google Colab.

Célula 1: Conectar o Google Drive e Preparar o Sistema

# CÉLULA 1: CONECTAR DRIVE E PREPARAR SISTEMA
from google.colab import drive
import os
import shutil

print("🔄 Conectando ao seu Google Drive...")
drive.mount('/content/drive')

# Define o diretório de instalação dentro do seu Google Drive
DRIVE_PATH = "/content/drive/MyDrive/ComfyUI"

# Cria a estrutura de pastas necessárias para modelos e nós customizados
os.makedirs(f"{DRIVE_PATH}/custom_nodes", exist_ok=True)
os.makedirs(f"{DRIVE_PATH}/models/checkpoints", exist_ok=True)
os.makedirs(f"{DRIVE_PATH}/models/loras", exist_ok=True)

%cd {DRIVE_PATH}

# Clona ou atualiza o ComfyUI principal
if not os.path.exists(f"{DRIVE_PATH}/main.py"):
    print("📥 Baixando ComfyUI principal...")
    !git clone https://github.com/comfyanonymous/ComfyUI.git .
else:
    print("✅ ComfyUI detectado. Atualizando...")
    !git reset --hard origin/master || git pull

# Instala o ComfyUI-Manager se ainda não estiver instalado
if not os.path.exists(f"{DRIVE_PATH}/custom_nodes/ComfyUI-Manager"):
    !git clone https://github.com/ltdrdata/ComfyUI-Manager.git custom_nodes/ComfyUI-Manager

# Instala os pacotes necessários do Python
!pip install -r requirements.txt
print("\n✅ Célula 1 concluída!")

O que esta célula faz:

• Montagem do Drive: Cria um ponto de acesso em /content/drive para salvar seu progresso permanentemente.
• Criação de Pastas: Garante que as pastas de custom_nodes, checkpoints e loras estejam no caminho correto.
• Git Clone: Baixa a versão oficial do ComfyUI e insere o ComfyUI-Manager, indispensável para baixar o nó do ACE-Step no painel visual depois.

Célula 2: Autenticar no Ngrok e Ligar o ComfyUI

# CÉLULA 2: AUTENTICAR NGROK E LIGAR COMFYUI
!pip install pyngrok
from pyngrok import ngrok
import getpass

# Solicita o token do Ngrok de forma segura (sem exibir na tela)
print("🔑 Cole seu Authtoken do Ngrok:")
NGROK_TOKEN = getpass.getpass("Token: ")

# Finaliza instâncias anteriores do Ngrok para evitar conflitos de porta
ngrok.kill()
ngrok.set_auth_token(NGROK_TOKEN)

# Cria o túnel público apontando para a porta interna 8188 do ComfyUI
public_url = ngrok.connect(8188)

print(f"\n🚀 LINK DE ACESSO: {public_url}")

# Acessa a pasta do ComfyUI e inicia a aplicação
%cd /content/drive/MyDrive/ComfyUI
!python main.py --listen 127.0.0.1 --port 8188

Como obter seu Authtoken do Ngrok (100% Gratuito)

1. Acesse o site oficial do Ngrok e crie uma conta gratuita.
2. No painel de controle (Dashboard), vá até a seção Your Authtoken.
3. Copie a chave de caracteres alfanuméricos.
4. Quando a Célula 2 for executada no Colab, cole a chave no campo Token: e aperte Enter.

Após a inicialização do script, uma URL parecida com https://xxxx-xx-xx.ngrok-free.app será exibida. Basta clicar no link para abrir a interface completa do ComfyUI diretamente no seu navegador.

Como Instalar e Usar o ACE-Step Dentro do ComfyUI

Com o ComfyUI aberto pelo link do Ngrok, siga os passos abaixo para configurar os nós do ACE-Step:

1. Instalação do Nó via ComfyUI Manager

1. Na interface do ComfyUI, clique no botão Manager no menu flutuante lateral ou inferior.
2. Clique em Install Custom Nodes.
3. Na barra de pesquisa, digite ACE-Step (ou ComfyUI-ACE-Step).
4. Clique em Install ao lado do pacote correspondente.
5. Volte para o painel principal do Colab, interrompa a Célula 2 (botão de Stop) e execute a Célula 2 novamente para que o ComfyUI reinicie carregando o novo nó.

2. Download dos Modelos

Os arquivos do modelo ACE-Step (pesos da difusão, vocoder e tokenizadores) podem ser baixados diretamente para a pasta de modelos do ComfyUI no seu Google Drive.

Você pode carregar o workflow pronto de demonstração arrastando o arquivo .json fornecido pelo repositório do nó diretamente para dentro da tela do ComfyUI. O próprio nó tentará realizar o download automático na primeira execução se os arquivos não forem encontrados localmente.

Anatomia do Fluxo de Trabalho (Workflow) do ACE-Step

Para tirar o melhor proveito da geração musical por IA, é fundamental entender os parâmetros disponíveis no workflow:

+-------------------+      +-----------------------+      +--------------------+
|   Text Prompt     | ---> |  ACE-Step Generator   | ---> | Save Audio / Audio |
| (Style & Lyrics)  |      | (Settings, Seed, BPM) |      |     Preview        |
+-------------------+      +-----------------------+      +--------------------+

Principais Parâmetros e Nós

• Caption / Style Tag: Onde você define os gêneros, timbres de instrumentos, BPM e o clima emocional da faixa. Exemplo: pop, modern synthwave, 120 bpm, energetic female vocals, bright synth leads, punchy drums.
• Lyrics (Letra): O campo onde você insere o texto a ser cantado. Use tags estruturais em colchetes para guiar a música. Dica: Se deixar o campo de letras totalmente vazio, o modelo gera uma música instrumental.
• Vocal Language: Seleção do idioma dos vocais (por exemplo: pt para português, en para inglês, ja para japonês).
• Auto Metas (BPM, Tom e Duração): Se a opção Auto estiver ativada, a IA calcula automaticamente o tempo da música e a tonalidade ideal para o estilo informado. Caso desative, você pode ajustar manualmente a duração (em segundos) e a velocidade (BPM).
• Seed: O número de semente aleatória. Fixar um valor numérico na seed permite reutilizar exatamente a mesma melodia e arranjo enquanto altera pequenas partes da letra ou ajusta tags de estilo.

Prompt teste

[Verse]
Neon lights in the city night
Walking fast under purple skies

[Chorus]
We run through the digital dream
Nothing is quite what it seems

Modos Avançados de Criação Musical

O ACE-Step destaca-se de outros geradores por oferecer funcionalidades de edição profissional que vão além da simples geração inicial.

1. Modo Repaint (Inpainting de Áudio)

Imagine que você gerou uma música excelente de 3 minutos, mas entre os segundos 0:45 e 1:05 a voz desafinou ou a letra não soou bem.

• Em vez de descartar o arquivo inteiro, você ativa a opção is_repaint no nó do ACE-Step.
• Define repaint_start: 45 e repaint_end: 65.
• Mantém a mesma seed e altera apenas o trecho da letra naquele trecho. A IA regera exclusivamente aqueles 20 segundos mantendo a transição de entrada e saída perfeita.

2. Modo Cover & Remix

Ao conectar um arquivo de áudio pré-existente (como uma gravação de voz no celular ou uma linha de violão) no nó de entrada src_audio:

• O ACE-Step extrai os códigos semânticos e melódicos do seu áudio.
• O parâmetro cover_strength permite controlar o quanto da faixa original será mantido.
• O parâmetro remix_strength define o grau de reinterpretação dos instrumentos e estilos aplicados sobre a faixa guia.

Dicas Práticas para Obter os Melhores Resultados

1. Evite Prompts Genéricos: Em vez de digitar apenas "uma música triste", detalhe os instrumentos: "acoustic guitar, slow tempo, melancholic cello solo, soft rain ambiance, subtle reverb, male vocals".
2. Respeite o Ritmo da Letra: Escreva versos com métrica consistente. Músicas com linhas longas demais em um verso e curtas no seguinte podem fazer a voz da IA acelerar ou desacelerar bruscamente.
3. Monitore o Espaço do seu Google Drive: Os checkpoints de modelos de áudio costumam ocupar entre 4GB e 10GB. Verifique periodicamente se o seu Drive possui espaço suficiente para armazenar os arquivos baixados pelo Colab.
4. Desconexão do Colab: Lembre-se de que o plano gratuito do Google Colab pode encerrar sessões inativas após determinado tempo. Certifique-se de salvar suas produções baixando os arquivos de áudio .wav ou .mp3 para o seu computador.

Conclusão

O ACE-Step representa um avanço monumental no ecossistema de inteligência artificial de código aberto. A integração no ComfyUI elimina as limitações das plataformas pagas, colocando o controle criativo completo — desde a letra e o arranjo até a re-gravação de trechos específicos — diretamente nas mãos de produtores, criadores de conteúdo e entusiastas.

Assista ao tutorial em vídeo incorporado no topo deste post para acompanhar a execução na prática, utilize os scripts fornecidos para montar seu ambiente no Colab e comece hoje mesmo a produzir suas próprias faixas musicais com inteligência artificial!