Eigene Songs lokal erzeugen – ohne Limits, ohne Abo, ohne Cloud. Web-Oberfläche für ACE-Step 1.5 über acestep.cpp.

Die Web-App bleibt bestehen (auch für Linux mit CUDA oder ROCm und ältere Macs). Neue Funktionen entstehen künftig in der Desktop-App. Windows-Web-App: README-WINDOWS.md.

Kein Git, kein Python, kein Installationsbefehl. Entwickelt gemeinsam mit Frank Hildebrandt (@frankhildebrandt), dem dafür ausdrücklich gedankt sei.

• Welche Datei? Auf der Download-Seite den obersten Eintrag öffnen und unten „Assets“ aufklappen (nicht „Source code“). Windows: Music-Generator-0.1.3-windows-x64.msi (Installer mit Startmenüeintrag) oder ohne Installation Music-Generator-0.1.3-windows-x64.zip (entpacken, dann die App darin starten). Mac mit Apple Silicon (M1 bis M4): …-macos-arm64.dmg, Mac mit Intel: …-macos-x64.dmg. Linux: …-linux-x64.AppImage, für NVIDIA …-linux-x64-cuda.AppImage. Die Dateien mit .sha256 und original-builds brauchst du nicht.
• Sicherheitsabfrage: macOS und Windows zeigen beim ersten Start eine Abfrage, weil die App nicht signiert ist. Das steht in der Anleitung.
• Wer die Web-App schon nutzt: Die Desktop-App kann deine Bibliothek übernehmen; beide laufen unabhängig voneinander.

Auf dem Sofa hören, Sterne vergeben, in Ordner sortieren, Songs aufs iPhone laden und neue Songs anstoßen, während der Mac rechnet. Die App rechnet nichts selbst und braucht kein Konto: Sie spricht über dein Heimnetz mit der Web-App (unter Setup den Handy-Zugriff einschalten, dann den QR-Code mit der iPhone-Kamera scannen). Die Desktop-App bekommt dieselbe Funktion, sobald der entsprechende Pull Request übernommen ist.

Die App gibt es nicht im App Store, sie wird mit Xcode selbst aufs iPhone gebaut (Mac und kostenlose Apple-ID genügen). Quellcode und Anleitung: music-generator-ios.

Web-App im Überblick:

• Mac (Apple Silicon, Metal): diese Seite
• Windows (NVIDIA, CUDA/Vulkan): README-WINDOWS.md
• Linux (Arch Linux / Derivate mit Installer, andere Distributionen von Hand): Abschnitt Linux unten

Voraussetzungen: Mac mit Apple Silicon (M1 oder neuer), mindestens 8 GB Arbeitsspeicher, 7–11 GB frei. Intel-Macs gehen nur eingeschränkt (alles rechnet auf der CPU, Details unten).

git clone https://github.com/rabbitfiremediacreation/music-generator.git ~/MusicGenerator
open ~/MusicGenerator/Mac-Install.command

• Music Generator ON startet Modellserver und App und öffnet http://localhost:8765
• Music Generator OFF beendet alles und schließt die Browser-Tabs
• Oberfläche in zwölf Sprachen (Auswahl oben rechts): Deutsch, Englisch, Spanisch, Französisch, Italienisch, Portugiesisch, Türkisch, Polnisch, Russisch, Ukrainisch, Japanisch, Chinesisch. Korrekturen an static/i18n.js sind willkommen.
• Höhen ausgleichen: Der Klang-Decoder des Modells verliert hohe Töne (über 16 kHz rund 8 dB), die Songs klingen dadurch dumpf. Unter Zahnrad › Höhen ausgleichen hebt An die Höhen über 12 kHz sanft an (+6 dB) und begrenzt danach die Spitze. Gilt für neue Songs, Standard ist Aus. Unabhängig davon schneidet der Modellserver seit dieser Fassung keine Spitzen mehr ab (peak_clip: 0).
• Export: Unter Zahnrad › Export wählst du, ob der Download (auch das ZIP) als WAV (verlustfrei, wie erzeugt) oder als MP3 (192 kbit/s, deutlich kleiner) kommt. Die Bibliothek behält immer das WAV; MP3 wird beim Download daraus gemacht und zwischengespeichert (data/export, darf gelöscht werden). Ist MP3 ausgegraut, fehlt der Wandler mp3-codec der Engine (Mac-Installationen vom 16. bis 24. Oktober 2026 mit fertigen Programmdateien): einmal Mac-Install erneut ausführen, er lädt die ergänzten Programmdateien nach.
• Länge: 10 Sekunden bis 10 Minuten (Obergrenze der Klangerzeugung). Ab 5 Minuten dauert es lange und braucht viel Speicher: Gemessen mit Standard-Klangmodell und 80 Iterationen brauchte ein 10-Minuten-Song auf einem Mac mit 16 GB etwa 21 Minuten, auf einer GTX 1060 (6 GB) etwa 32 Minuten. Auf 8-GB-Rechnern und Intel-Macs ist das ungetestet.
• IT und VAR (unter jedem Song und unter „Erweitert“): IT sind die Iterationen der Klangerzeugung, mehr Schritte klingen sauberer und dauern länger (Standard 80; 30 reicht zum Ausprobieren). VAR ist die Varianz des Sprachmodells, höher heißt freier und abwechslungsreicher, niedriger hält sich enger an Stil und Prompt (Standard 0,85).
• Idee aufnehmen (Mikrofon-Knopf oben in der Kopfzeile): gedrückt halten, 5 bis 30 Sekunden summen, pfeifen oder singen. Die App beschreibt die Aufnahme und füllt Prompt, Tempo, Tonart und Takt aus; Stil und Länge bestimmst du. Die Melodie selbst wird nicht übernommen. Es wird nichts gespeichert, alles läuft lokal.

Die App ist für VoiceOver (Mac), NVDA und JAWS (Windows) beschriftet: Jeder Knopf und Regler hat einen vorlesbaren Namen, die Regler sagen ihren Wert im Klartext („1 Minute 30 Sekunden“, „Auto“). „Neuer Song“ und „Bibliothek“ sind Bereiche mit Überschrift, jeder Song ist eine Überschrift der Ebene 3, so springt man mit der Überschriften-Navigation von Song zu Song. Was im Hintergrund passiert, wird angesagt: Songs in der Warteschlange, „Fertig: “, Fehler, die Analyse.

• Tastenkürzel (Alt bzw. Option): Alt+G generieren, Alt+R Idee aufnehmen (einmal starten, einmal beenden), Alt+N zum Prompt, Alt+B zur Bibliothek. Leertaste spielt den gewählten Song ab oder hält ihn an.
• Aufnahme mit Screenreader: Den Mikrofon-Knopf normal aktivieren (z. B. VoiceOver: Ctrl+Option+Leertaste). Die App sagt „Aufnahme beginnt gleich“ und öffnet das Mikrofon erst danach, damit die Ansage nicht mit aufgenommen wird. Noch einmal aktivieren beendet die Aufnahme.
• Löschen und Stoppen fragen ohne Dialog nach: Der erste Druck schaltet den Knopf scharf („Zum Bestätigen noch einmal drücken“), der zweite führt aus.

Rückmeldungen von Screenreader-Nutzern sind sehr willkommen.

In der App: Zahnrad › Nach Updates suchen › Jetzt aktualisieren (holt die neue Fassung von GitHub und startet die App neu; ändert sich acestep.cpp, weist sie auf den Installer hin). Oder von Hand:

cd ~/MusicGenerator && git pull
open Mac-Install.command

Songs und Einstellungen in data/ bleiben erhalten. Das Update in der App startet nur die App neu; danach einmal OFF und ON, damit auch die Modellserver mit den neuen Einstellungen laufen.

• Mac: Mac-Uninstall.command doppelklicken (oder im Terminal ausführen)
• Windows: Windows-Uninstall.bat doppelklicken
• Linux: ./Linux-Uninstall.sh (oder ./arch_linux.sh --uninstall)

Das Skript zeigt, was es entfernt, und fragt vorher. Es beendet die Server, löscht Modellserver, Modelle, Python-Umgebung und Einstellungen (unter Windows auch die Verknüpfungen) und fragt, ob Songs und Bibliothek (Titel, Ordner, Favoriten) bleiben sollen. Vorgabe ist behalten. Mit --yes (Windows: -Yes) läuft es ohne Rückfragen und behält Songs und Bibliothek. Nicht entfernt werden der Programmordner selbst, Werkzeuge außerhalb davon (zum Beispiel uv) und Songs in einem selbst gewählten Song-Ordner. Zum Schluss den Programmordner löschen. Die Linux-Fassung geht auf eine Idee von ZeroDot1 zurück.

Der automatische Installer ist nur für Arch Linux und Derivate (CachyOS, EndeavourOS, Manjaro), er nutzt pacman. Auf Ubuntu/Debian/Fedora bitte die Einrichtung von Hand unten nehmen (nur CPU: statt buildcpu.sh geht auch cmake -S . -B build -DGGML_NATIVE=ON && cmake --build build -j). Ubuntu und Linux Mint (experimentell, von Jano69, mit Anregungen aus der Community; von zwei Nutzern auf Linux Mint erfolgreich ausprobiert, AMD-Grafik mit Vulkan lief schnell, einmal mit Hinweisen zur Wiedergabequalität; auf unserer eigenen Hardware nicht getestet; Schritt für Schritt auch auf der letzten Seite der Installationsanleitung): ./ubuntu.sh --dry-run zeigt den Ablauf, ./ubuntu.sh --install-only installiert über apt und wählt das Backend selbst: CUDA bei NVIDIA mit installiertem Toolkit, Vulkan bei AMD-, Intel- oder NVIDIA-Grafik mit Vulkan-Treiber, sonst CPU. Mit --backend cuda|vulkan|cpu lässt es sich vorgeben (Vulkan installiert dafür die Pakete libvulkan-dev, mesa-vulkan-drivers, glslc, libshaderc-dev, spirv-headers). ./ubuntu.sh --start startet. Für Arch Linux (sowie CachyOS, EndeavourOS, Manjaro) steht ein automatisches All-in-One-Skript bereit (bereitgestellt von ZeroDot1):

git clone https://github.com/rabbitfiremediacreation/music-generator.git ~/MusicGenerator
cd ~/MusicGenerator
./arch_linux.sh

Das Skript:

1. Prüft System, RAM, Festplatte und Grafikkarte:
   • AMD Radeon (z. B. RX 9070 XT / Navi 48 / RDNA4): Native Beschleunigung über ROCm/HIP (rocm-hip-sdk) oder Vulkan (vulkan-radeon / RADV).
   • NVIDIA: CUDA oder Vulkan.
   • Intel: Vulkan (vulkan-intel).
   • CPU: Automatischer Fallback, falls keine GPU vorhanden ist.
2. Installiert fehlende Abhängigkeiten via pacman oder yay (base-devel, cmake, git, curl, uv, xdg-utils, sowie je nach Backend rocm-hip-sdk bzw. vulkan-headers, spirv-headers, shaderc, vulkan-icd-loader).
3. Richtet die Python-Umgebung mit uv ein.
4. Kompiliert acestep.cpp mit optimaler Hardwarebeschleunigung (ROCm/HIP für AMD, CUDA für NVIDIA, Vulkan oder CPU).
5. Lädt die benötigten GGUF-Modelle mit SHA-256-Prüfung herunter.
6. Führt den Grafik-Selbsttest durch, startet die Server und öffnet den Browser unter http://localhost:8765.

Benutzen unter Linux:

• Starten: ./arch_linux.sh (oder ./Music\ Generator\ ON.sh)
• Beenden: ./arch_linux.sh --stop (oder ./Music\ Generator\ OFF.sh sowie über den Knopf „Server stoppen“ in der Web-Oberfläche)
• Status: ./arch_linux.sh --status
• Optionen: --yes (keine Rückfragen), --yay (Pakete via AUR-Helper yay installieren), --backend [auto|rocm|hip|vulkan|cuda|cpu], --lm [0.6B|1.7B|4B], --xl, --rebuild, --no-browser

Mehrere Grafikkarten: Das Skript nutzt standardmäßig die erste Karte und bevorzugt die dedizierte (HIP_VISIBLE_DEVICES=0, DRI_PRIME=1, GGML_VK_VISIBLE_DEVICES=0). Wer eine andere Karte braucht, setzt die Variable vor dem Start selbst, zum Beispiel GGML_VK_VISIBLE_DEVICES=1 ./arch_linux.sh --start. Die eigenen Werte werden nicht überschrieben.

Das Skript setzt pacman voraus. Auf Ubuntu, Debian, Fedora und anderen geht es von Hand. Ungetestet, Rückmeldungen willkommen.

Voraussetzungen: git, cmake, ein C++-Compiler, uv, für NVIDIA das CUDA-Toolkit (AMD/Intel: Vulkan-SDK).

git clone https://github.com/rabbitfiremediacreation/music-generator.git ~/MusicGenerator
cd ~/MusicGenerator && uv sync
# Modellserver in der getesteten Version bauen (Hash steht in scripts/common.sh)
git clone --recurse-submodules https://github.com/ServeurpersoCom/acestep.cpp engine/acestep.cpp
(cd engine/acestep.cpp && git checkout b7ba6d9 && ./buildcuda.sh)     # oder ./buildvulkan.sh, ./buildcpu.sh
# Modelle laden: die drei festen plus ein Sprachmodell (Adresse und SHA-256 in scripts/common.sh)
(cd engine/acestep.cpp && ./models.sh --lm 1.7B --sft)
# Betriebsart: ein Server für alles
mkdir -p data && printf 'MODE=single\nLM_FILE=acestep-5Hz-lm-1.7B-Q8_0.gguf\n' > data/engine.conf

Starten und Stoppen funktionieren danach mit ./arch_linux.sh --start und --stop, auch ohne pacman (nicht getestet). Alternativ die beiden Server von Hand starten:

engine/acestep.cpp/build/ace-server --host 127.0.0.1 --port 8085 --models engine/acestep.cpp/models --max-batch 1
uv run uvicorn app.main:app --host 127.0.0.1 --port 8765

models.sh lädt mehr Varianten als nötig, gebraucht werden vae-BF16, Qwen3-Embedding-0.6B-Q8_0, acestep-v15-sft-Q8_0 und das gewählte acestep-5Hz-lm-*-Q8_0. Songs liegen wie überall in data/songs.

Der Ordner darf nach der Installation verschoben oder umbenannt werden. Beim nächsten Start stellt „Music Generator ON“ die Bibliothekspfade der Engine auf den neuen Ort um und prüft die Python-Umgebung; sonst ist nichts zu tun.

Auf dem Apple M4 liefert das Sprachmodell unter Metal in acestep.cpp b7ba6d9 fehlerhafte Ergebnisse (0 Audio-Codes). Der Installer erkennt das mit einem kurzen Probelauf und schreibt nach data/engine.conf:

• MODE=split – Sprachmodell auf der CPU (Port 8086), Klangerzeugung auf Metal (Port 8085)
• MODE=single – alles auf einem Metal-Server (Port 8085)

Nach einem Update von acestep.cpp (ACESTEP_REV in scripts/common.sh) testet der Installer neu.

Auf Macs mit weniger als 16 GB setzt der Installer zusätzlich VAE_CHUNK (256 bei 8 GB, 512 bei 12 GB): Der Klang-Decoder rechnet dann in kleineren Kacheln. Ohne diese Einstellung reicht der Speicher bei Songs über etwa 30 Sekunden nicht, und statt Musik kommt Rauschen. Fehlt die Zeile in data/engine.conf (ältere Installation, nur aktualisiert), trägt „Music Generator ON“ sie selbst nach und startet einen Server mit alter Kachelgröße neu.

ACE-Step 1.5 steht nach den Angaben der Entwickler unter der MIT-Lizenz (GitHub-Projekt und Modellkarten auf Hugging Face, Stand Oktober 2026). Der Vorgänger ACE-Step v1 stand noch unter Apache 2.0. Bei zwei Einzelmodellen (Turbo und Sprachmodell 1.7B) fehlt die Lizenzangabe auf Hugging Face, sie gehören zur selben MIT-Familie. Die Modelle werden beim Installieren von Hugging Face geladen und sind nicht Teil dieses Repositorys. Vor kommerzieller Nutzung die Lizenz- und Trainingsdaten-Lage selbst prüfen.

Der Code in diesem Repository steht unter der MIT-Lizenz. static/vendor/wavesurfer.min.js stammt von wavesurfer.js (BSD-3-Clause). static/vendor/qrcode.js stammt von qrcode-generator (MIT, Version 1.4.4).