RTX 5060 8GB로 3분짜리 한국어 노래를 50초 만에 — ACE-Step 1.5 실습

# 컨테이너 명령
bash -c "apt-get update -qq && apt-get install -y -qq git ffmpeg libsndfile1 >/dev/null && pip install -q jupyterlab && mkdir -p /workspace && jupyter lab --ip=0.0.0.0 --port=8888 --allow-root --no-browser --ServerApp.root_dir=/workspace"

# [셀 1] RTX 50 시리즈(Blackwell)는 sm_120이 목록에 있어야 합니다
!nvidia-smi --query-gpu=name,memory.total --format=csv,noheader
!python3 -c "import torch;print(torch.__version__, torch.cuda.get_arch_list())"

# [셀 2] ACE-Step 설치 (flash-attn 제외, 약 2분 14초)
%cd /workspace
!git clone -q https://github.com/ace-step/ACE-Step-1.5.git
%cd /workspace/ACE-Step-1.5
!grep -v -i flash requirements.txt > req_noflash.txt
!pip install -q -r req_noflash.txt && pip install -q -e . --no-deps

# [셀 3] 8GB용 LM(0.6B) — 기본 다운로드에 포함되지 않음
from huggingface_hub import snapshot_download
snapshot_download("ACE-Step/acestep-5Hz-lm-0.6B",
                  local_dir="/workspace/ACE-Step-1.5/checkpoints/acestep-5Hz-lm-0.6B")

# [셀 4] DiT + LM 로드 (8GB 티어 권장 설정)
import os, sys, time, torch
sys.path.insert(0, "/workspace/ACE-Step-1.5")
os.chdir("/workspace/ACE-Step-1.5")
from acestep.handler import AceStepHandler
from acestep.llm_inference import LLMHandler
from acestep.inference import GenerationParams, GenerationConfig, generate_music

dit = AceStepHandler()
print(dit.initialize_service(project_root="/workspace/ACE-Step-1.5", config_path="acestep-v15-turbo",
      device="cuda", offload_to_cpu=True, offload_dit_to_cpu=True, quantization="int8_weight_only"))
llm = LLMHandler()
print(llm.initialize(checkpoint_dir="/workspace/ACE-Step-1.5/checkpoints",
      lm_model_path="acestep-5Hz-lm-0.6B", backend="pt", device="cuda", offload_to_cpu=True))

# [셀 5] 생성 헬퍼 함수
def make_song(name, caption, duration, lyrics="", lang="unknown", bpm=None,
              instrumental=False, thinking=True, seed=42):
    torch.cuda.reset_peak_memory_stats()
    p = GenerationParams(caption=caption, lyrics=lyrics, instrumental=instrumental, vocal_language=lang,
                         bpm=bpm, duration=duration, thinking=thinking, seed=seed)
    cfg = GenerationConfig(batch_size=1, audio_format="wav", use_random_seed=False)
    start = time.time()
    r = generate_music(dit, llm, p, cfg, save_dir=f"/workspace/out/{name}")
    print(f"{name}: success={r.success} |{time.time()-start:.1f}s | "
          f"peak{torch.cuda.max_memory_allocated()/2**30:.1f}GB (torch)")

# [셀 6] 스모크 테스트: 10초 연주곡, LM 끔
make_song("01_lofi_10s", "chill lo-fi hip hop, mellow piano, soft vinyl crackle, relaxed drums",
          duration=10, bpm=80, instrumental=True, thinking=False)

# [셀 7] 30초 한국어 발라드, LM 켬
ballad = """[Verse]
창문 너머 불빛이 번져
오늘도 너를 떠올려
작은 방 안에 남은 온기
아직 여기 머물러

[Chorus]
괜찮다고 말해줘
내일은 더 밝을 거라고
멀리 있어도 들려줘
우리의 노래를"""

make_song("02_ko_ballad_30s", "emotional Korean ballad, female vocal, piano and strings, warm and nostalgic",
          duration=30, bpm=72, lyrics=ballad, lang="ko")

# [셀 8] 3분 풀곡 — 길이에 맞게 구간 태그를 충분히 넣어야 반복이 줄어듭니다
ballad_full = """[Intro]

[Verse 1]
창문 너머 불빛이 번져
오늘도 너를 떠올려
작은 방 안에 남은 온기
아직 여기 머물러

[Pre-Chorus]
시간은 자꾸 흘러가도
마음은 그 자리에

[Chorus]
괜찮다고 말해줘
내일은 더 밝을 거라고
멀리 있어도 들려줘
우리의 노래를

[Verse 2]
낡은 사진 속 웃음소리
귀가에 다시 맴돌아
함께 걷던 그 골목길
아직 따뜻한 걸

[Chorus]
괜찮다고 말해줘
내일은 더 밝을 거라고
멀리 있어도 들려줘
우리의 노래를

[Bridge]
언젠가 다시 만나면
웃으며 인사할게

[Outro]
우리의 노래를"""

make_song("03_ko_ballad_180s", "emotional Korean ballad, female vocal, piano and strings, warm and nostalgic, full song structure",
          duration=180, bpm=72, lyrics=ballad_full, lang="ko")

# [셀 9] 결과 재생 (48kHz WAV)
import glob
from IPython.display import Audio, display, Markdown
for f in sorted(glob.glob("/workspace/out/*/*.wav"), key=os.path.getmtime):
    display(Markdown(f"**{f.split('/')[-2]}**"))
    display(Audio(f))