SunoとUMG・Sonyの訴訟、ElevenLabsのライセンス交渉——今年のAI音楽報道の中心は商業プラットフォームの法的・ビジネス的動向だった。その陰で、オープンソース側では別の動きが進んでいる。

何が起きたか

ACE-Step v1.5は、1月31日にarXivで論文が公開されたオープンソースの音楽生成基盤モデルだ。4月2日には4Bパラメータの大型モデル「XL」シリーズ（xl-base / xl-sft / xl-turbo）もリリースされた。

論文の主張する性能は具体的だ。

  • A100で1曲あたり2秒以下（think modeと拡散ステップ数により0.5〜10秒）
  • RTX 3090で10秒以下
  • 動作に必要なVRAMは4GB未満（オフロードあり）
  • XL版は12GB以上推奨（20GB以上を理想とする）

品質の自己評価は「主要な商業音楽モデルのほとんどを超える——Suno v4.5とSuno v5の間」とされている。この比較は外部評価ではなくチーム側の主張であり、独立した検証は限られている点は留意が必要だ。

アーキテクチャの設計思想

ACE-Step v1.5の中核には、言語モデル（LM）と拡散トランスフォーマー（DiT）を組み合わせたハイブリッド構造がある。

LMは「計画者」として機能する。シンプルな入力プロンプトを、楽曲の設計図——メタデータ、歌詞、キャプション——に変換してDiTに渡す。LMとDiTのアライメントには外部報酬モデルや人間のフィードバックを使わず、内部強化学習のみで実現している点が論文の主張する独自性のひとつだ。

生成できる楽曲の長さは10秒から10分（600秒）まで対応し、バッチ生成では最大8曲を同時に処理できる。対応言語は50以上。

編集機能と創作ワークフロー

単純なテキスト→楽曲生成にとどまらず、以下の編集・変換機能が実装されている。

  • カバー生成：既存音源からカバーを自動生成
  • リペイント：楽曲の特定箇所を局所的に再生成
  • Vocal2BGM：ボーカルトラックに伴奏を自動生成
  • マルチトラック生成：Suno Studioの「Add Layer」相当の機能
  • スタム分離：音源を個別トラックに分離
  • LoRAパーソナライゼーション：数曲のサンプルから自分のスタイルを学習させられる

LoRA対応は特に注目すべき点で、数曲の自作曲を渡せば自分の音楽スタイルを反映したモデルが手元で動く。商業サービスでは基本的に不可能な「自分専用チューニング」がローカルで実現できる。

なぜこれが重要か

商業AI音楽モデルへの訴訟が増え、著作権問題が未解決のまま推移している今、ローカルで動くオープンモデルという選択肢の意味は変化している。

商業サービスを使う場合、そのプラットフォームが訴訟で敗訴したり、突然のポリシー変更を行ったりするリスクを利用者も間接的に負う。Sunoのダウンロード制限（8月）や収益化条件の変更などがその例だ。

ローカルモデルは、サービス継続性のリスクを排除できる。4GB VRAMという要件は、現在の多くのゲーミングGPU（RTX 3060、RX 6700 XTなど）でクリアできる水準だ。

ただし、商業サービスとのトレードオフは明確に存在する。

ローカルモデルの弱点：セットアップの技術的ハードル、コミュニティサポートの速度、UIの洗練度、継続的な品質改善の不確実性。

商業サービスの弱点：著作権上のグレーゾーン、利用規約の変更リスク、生成物の商業利用の不透明さ。

ACE-Step v1.5のような高品質なローカルモデルの登場は、このトレードオフの重みを変えつつある。

論点：オープンソースの著作権問題は解決済みか？

注意が必要なのは、「オープンソース＝著作権問題なし」ではないという点だ。ACE-Step v1.5の学習データについて、論文には具体的な記載がない。商業モデルと同様に、クロールされた音源が使われている可能性は否定できない。

ただし、重要な違いがある。訴訟の当事者は通常「商業的利益を得るサービス」だ。ローカルで個人使用するオープンソースモデルは、著作権訴訟のターゲットになりにくい——これは法的に白黒ついた話ではなく、実務的なリスク分散の話だ。

今後どう展開しそうか

オープンソース音楽AIのエコシステムは2026年を通じて急成長した。YuE2、MiniMax Music 3、そしてACE-Step v1.5——いずれも商業モデルに迫る品質を主張する。

このトレンドが続けば、音楽制作者にとって「どこで作るか」の選択肢は、SunoかUdioかという2択から、ローカル実行という第三の軸を含む議論になっていく。その変化は訴訟の行方とは独立して、静かに進んでいる。

Source: ACE-Step v1.5 技術レポート（arXiv:2602.00744） / GitHubリポジトリ / オンラインデモ