ACE-Step Studio

Что это

Приложение для macOS, которое генерирует музыку локально на Apple Silicon. Нативная версия музыкального сценария KRT Studio — то же направление, но упакованное в приложение для одного Mac вместо серверной платформы.

Почему появился

KRT Studio — полноценная self-hosted платформа: она рассчитана на собственный GPU-парк и на человека, который этот парк обслуживает. Для музыкального сценария такой порог избыточен: пользователю нужно ввести описание и получить трек, а не разворачивать сервер.

Отсюда разделение:

• KRT Studio — платформа на собственных GPU для всех модальностей;
• ACE-Step Studio — отдельный lightweight-продукт, который целиком работает на одном Mac.

Что сделал

Полный native pipeline на Swift и MLX:

Prompt → Tokenizer → Qwen3 → Conditioning → DiT → VAE → Audio

Портирование каждого этапа, runtime и само приложение.

Что технически интересно

Parity. Портированный пайплайн проверялся поэтапно против исходной реализации, а не только по звуку на выходе:

Этап	Расхождение
Tokenizer	bit-exact
Индексы токенизатора	совпали 50 из 50
Qwen3	3,39×10⁻⁵
DiT	4,35×10⁻⁵

Поэтапная проверка здесь — не формальность. На генеративном пайплайне ошибка в раннем этапе даёт на выходе звук, который субъективно кажется приемлемым, и найти причину потом почти невозможно. Сравнение промежуточных тензоров ловит расхождение там, где оно возникло.

VAE и память. Прямолинейный декод требовал около 25 GB буферов — это выносит генерацию за пределы обычной машины. Tiled decoder срезал VAE buffer cache до ~400 MB. Именно эта оптимизация превращает демонстрацию в приложение, которое можно поставить пользователю.

Скорость. 30 секунд музыки за ~7,7 с на M1 Max — примерно ~3,9× быстрее реального времени, локально и без сервера.

Что получилось

Генерация музыки на Mac без облака и без серверного парка, с проверенным соответствием исходной реализации.

Приложение готовится к публикации.