prime-skills/runcomfy-agent-skills / ace-step
ace-step
- Установки
- 340,747
- Автор
- prime-skills/runcomfy-agent-skills
Генерирует и редактирует музыку с помощью модели ACE Step через RunComfy: создаёт треки по тегам (жанр, настроение, инструменты), с текстом песен на 50+ языках, а также заменяет фрагменты в готовых аудио и продлевает их. Полезен для быстрых черновиков, фоновой музыки и недорогой итеративной работы — примерно в 27 раз дешевле аналогов.
Установить скилл
npx skills add https://github.com/prime-skills/runcomfy-agent-skills --skill ace-step
Аудит безопасности
Gen Agent Trust Hub
passA skill for music generation and editing via the RunComfy CLI. It provides robust instructions for tag-based generation and audio manipulation, including inpainting and outpainting. The skill demonstrates awareness of security risks by explicitly detailing token management, shell safety, and the risks of processing third-party content.
Audited: 7/13/2026, 4:11:04 AM
Socket
passNo alerts
Audited: 7/13/2026, 4:11:02 AM
Snyk
passRisk: LOW · No issues
Audited: 7/13/2026, 4:10:43 AM
Промпт скилла
ACE Step — Pro Pack on RunComfy
Tag-driven music generation, inpainting, and outpainting with StepFun-AI's ACE Step open-weights model. Four CLI-reachable endpoints, $0.0002–0.0003 per second of audio, up to 4 minutes per call.
runcomfy.com · ACE Step base · ACE Step 1.5 · CLI docs
Install this skill
npx skills add agentspace-so/runcomfy-agent-skills --skill ace-step -g
Powered by the RunComfy CLI
Step 1 — install (one of, see the runcomfy-cli skill for details):
npm i -g @runcomfy/cli # global install
npx -y @runcomfy/cli --version # zero-install
Step 2 — sign in (or set RUNCOMFY_TOKEN env var in CI / containers):
runcomfy login
Step 3 — generate:
runcomfy run acestep-ai/ace-step/text-to-audio \
--input '{"tags": "..."}' \
--output-dir ./out
CLI deep dive: runcomfy-cli skill.
Pick the right endpoint
Listed newest first.
ACE Step 1.5 (text-to-audio) — acestep-ai/ace-step-1.5/text-to-audio
Latest ACE Step generation. 50+ language vocal support, refined structured-lyric handling, otherwise same shape as base. Slightly higher cost ($0.0003/s vs $0.0002/s). Pick for: multilingual lyrics, hero-quality vocal tracks, vocal songs that need clean section structure. Avoid for: cost-sensitive batches where the base model is good enough.
ACE Step (text-to-audio) — acestep-ai/ace-step/text-to-audio (default — cheap & fast)
Original ACE Step. Tag-driven composition, optional lyrics, 5–240 s stereo. $0.0002/s — ~27× cheaper than ElevenLabs Music. Pick for: high-volume drafts, background music, jingles, game loops, cost-sensitive iteration. Avoid for: maximally polished commercial vocal hooks — try ACE Step 1.5 or ElevenLabs Music for those.
ACE Step (audio-inpaint) — acestep-ai/ace-step/audio-inpaint
Regenerate a time range inside an existing track (not mask-based; uses
start_time/end_timein seconds, each anchored to track start or end). Pick for: fix a bad chorus in the middle, swap the bridge, replace a 20 s section without re-rendering the whole song. Avoid for: edits that aren't time-bounded — those don't fit the schema.
ACE Step (audio-outpaint) — acestep-ai/ace-step/audio-outpaint
Extend an existing track bidirectionally — add intro before, outro after, or both. Pick for: lengthening a 30 s draft into a 2 min cut, adding a fade-in, building a longer arrangement around an existing hook. Avoid for: extending a track past 4 min total — chain calls instead.
Route 1: ACE Step text-to-audio (default)
Model: acestep-ai/ace-step/text-to-audio (or acestep-ai/ace-step-1.5/text-to-audio for the 1.5 variant)
Schema (both variants — same shape)
| Field | Type | Required | Default | Notes |
|---|---|---|---|---|
tags | string | yes | — | Comma-separated genre / mood / instrument tags. Drives composition |
lyrics | string | no | — | Vocal content. Use section markers [Verse], [Chorus], [Bridge]. Use [inst] or [instrumental] for no vocals |
duration | int | no | 60 | Audio length in seconds. 5–240 (max 4 min per call) |
seed | int | no | -1 | Reproducibility; -1 randomizes |
Pricing: ACE Step $0.0002/s · ACE Step 1.5 $0.0003/s. 60 s ≈ $0.012 / $0.018; 240 s ≈ $0.048 / $0.072.
Invoke
Tag-driven instrumental:
runcomfy run acestep-ai/ace-step/text-to-audio \
--input '{
"tags": "lo-fi hip-hop, mellow, vinyl crackle, rhodes piano, soft drums, 75 BPM",
"lyrics": "[inst]",
"duration": 90
}' \
--output-dir ./out
Full vocal song with structure (use 1.5 for multilingual):
runcomfy run acestep-ai/ace-step-1.5/text-to-audio \
--input '{
"tags": "indie pop, anthemic, electric guitar, driving drums, female vocal, 120 BPM",
"lyrics": "[Verse]\nChalk on the palms, laces double-knotted\nMorning on the ridge, the sun is rising\n[Chorus]\nWe rise, we strike, we never fade out\nWe rise, we strike, we sing it loud\n[Bridge]\nSoft piano breakdown\n[Outro]\nFull band, fade",
"duration": 60
}' \
--output-dir ./out
Prompting tips
- Tags do the heavy lifting — be specific:
"lo-fi hip-hop, mellow, vinyl crackle, rhodes piano, soft drums, 75 BPM"beats"chill music". - Include BPM in tags when it matters — ACE respects tempo language.
- Lyrics with section markers:
[Verse],[Chorus],[Bridge],[Outro]. Keep meter consistent across lines. - Instrumental shortcut:
"lyrics": "[inst]"or"[instrumental]". Belt-and-suspenders: also say "no vocals" in tags. - Multilingual vocals: ACE Step 1.5 covers 50+ languages. Write lyrics directly in the target language; tag the language too (
"japanese vocal, j-pop"). - Fix the seed for reproducibility (
"seed": 42); use-1to explore variations. - Cheap draft → polish: ACE Step at 5–10× lower cost is great for iterating tags before committing to a long render.
Route 2: ACE Step audio-inpaint
Model: acestep-ai/ace-step/audio-inpaint
Catalog: audio-inpaint
Schema
| Field | Type | Required | Default | Notes |
|---|---|---|---|---|
audio | string | yes | — | HTTPS URL to MP3 / WAV / FLAC. Up to 60 min |
tags | string | yes | — | Comma-separated tags steering the regenerated segment |
start_time | float | no | — | Start of editable segment, in seconds (0–240) |
start_time_relative_to | enum | no | start | start or end — anchor for start_time |
end_time | float | no | 30 | End of editable segment, in seconds (0–240) |
end_time_relative_to | enum | no | start | start or end — anchor for end_time |
lyrics | string | no | — | Lyrics for the regenerated segment. Blank = model writes; [inst] = no vocals |
seed | int | no | -1 | Reproducibility |
No mask — region is defined purely by start_time / end_time (each anchorable to track start or end).
Invoke
Replace 20–40 s of a track with a new bridge:
runcomfy run acestep-ai/ace-step/audio-inpaint \
--input '{
"audio": "https://your-cdn.example/original-track.mp3",
"tags": "indie pop, breakdown, piano only, soft, no drums",
"start_time": 20,
"end_time": 40,
"lyrics": "[inst]"
}' \
--output-dir ./out
Anchor end relative to track end (rewrite the last 15 s):
runcomfy run acestep-ai/ace-step/audio-inpaint \
--input '{
"audio": "https://your-cdn.example/song.mp3",
"tags": "indie pop, fade, soft, ambient pad",
"start_time": 15,
"start_time_relative_to": "end",
"end_time": 0,
"end_time_relative_to": "end"
}' \
--output-dir ./out
Tips
- Match the surrounding tags — if the original is "indie pop, electric guitar, 120 BPM", the inpaint segment should share enough of the tags to blend, not contrast.
- Inpaint window is up to ~4 min even on a 60-min source — pick a focused range, not the whole track.
- Use
_relative_to: "end"to target the outro/last seconds without computing exact timestamps.
Route 3: ACE Step audio-outpaint
Model: acestep-ai/ace-step/audio-outpaint
Catalog: audio-outpaint
Schema
| Field | Type | Required | Default | Notes |
|---|---|---|---|---|
audio | string | yes | — | HTTPS URL to MP3 / WAV / FLAC. Up to 60 min |
tags | string | yes | — | Tags steering the extended sections |
extend_before_duration | float | no | 0 | Seconds of new audio before the original (0–240) |
extend_after_duration | float | no | 30 | Seconds of new audio after the original (0–240) |
lyrics | string | no | — | Optional lyrics for extended sections |
seed | int | no | -1 | Reproducibility |
Invoke
Extend a 30 s hook into a 2 min cut (add 30 s intro + 60 s outro):
runcomfy run acestep-ai/ace-step/audio-outpaint \
--input '{
"audio": "https://your-cdn.example/hook-30s.mp3",
"tags": "indie pop, electric guitar, drums, build-up before chorus, fade outro",
"extend_before_duration": 30,
"extend_after_duration": 60,
"lyrics": "[inst]"
}' \
--output-dir ./out
Add only a fade-out (no pre-extension):
runcomfy run acestep-ai/ace-step/audio-outpaint \
--input '{
"audio": "https://your-cdn.example/track.mp3",
"tags": "ambient pad, soft fade, low volume tail",
"extend_before_duration": 0,
"extend_after_duration": 20
}' \
--output-dir ./out
Tips
- Tags describe the extension, not the original — what should the new section sound like?
- Bidirectional in one call — set both
extend_before_durationandextend_after_durationto add intro + outro in one go. - Don't exceed 4 min total — if original is 3 min, you can add max 1 min combined.
When to pick ACE Step vs ElevenLabs Music
ACE Step and ElevenLabs Music are different tools:
| Dimension | ACE Step | ElevenLabs Music |
|---|---|---|
| Cost | $0.0002–0.0003 / s | $0.0083 / s (~27× more) |
| License | Open-weights (Apache 2.0) | Commercial, ElevenLabs-hosted |
| Multilingual vocals | 50+ languages (1.5 variant) | Strong multilingual support |
| Structured lyrics | [Verse]/[Chorus]/[Bridge] markers | [Verse]/[Chorus]/[Bridge] markers |
| Max duration / call | 240 s (4 min) | 300 s (5 min) |
| Inpaint / outpaint | Yes (time-range based) | No |
| Tag-driven composition | Yes (tags is required field) | Style is part of free-text prompt |
| Best for | Cost-sensitive batches, drafts, inpaint/outpaint workflows, open-weights pipelines | Premium vocal song hooks, polished commercial cuts |
Cheap draft pattern: draft tag combos with ACE Step → lock vibe → final render on ElevenLabs Music if a polished commercial cut is needed.
For the routing skill that picks between them automatically based on intent, see ai-music once it ships.
Common patterns
Cost-sensitive background music library
- Route 1 (ACE Step base) with varied tag combos, 60–90 s each,
[inst]
Multilingual launch (same song, many languages)
- Route 1 (ACE Step 1.5) with identical tags, swap
lyricsper language
Section repair (bad chorus → new chorus)
- Route 2 (audio-inpaint) with
start_time/end_timearound the bad section, tags matching the song style
Hook → full track
- Route 3 (audio-outpaint) adds intro before + outro after a tight 30 s hook
Game loop bed
- Route 1 (ACE Step base) with "seamless loop, consistent groove" in tags, 60–120 s
Browse the full catalog
- ACE Step on RunComfy — all four endpoints (base t2a, 1.5 t2a, inpaint, outpaint)
- All RunComfy models — image, video, and audio endpoints
- docs.runcomfy.com/cli — CLI install, authentication, troubleshooting
Exit codes
| code | meaning |
|---|---|
| 0 | success |
| 64 | bad CLI args |
| 65 | bad input JSON / schema mismatch |
| 69 | upstream 5xx |
| 75 | retryable: timeout / 429 |
| 77 | not signed in or token rejected |
Full reference: docs.runcomfy.com/cli/troubleshooting.
How it works
The skill picks one of the four ACE Step endpoints based on the user's intent — generate from scratch (t2a base or 1.5), regenerate a time range (inpaint), or extend the canvas (outpaint) — and invokes runcomfy run with the matching JSON body. The CLI POSTs to the RunComfy Model API, polls request status, and downloads the generated audio file into --output-dir.
Security & Privacy
- Install via verified package manager only. Use
npm i -g @runcomfy/cliornpx -y @runcomfy/cli. Agents must not pipe an arbitrary remote install script into a shell on the user's behalf — if the operator wants the curl-pipe path documented atdocs.runcomfy.com/cli/install, they should review the script first. - Token storage:
runcomfy loginwrites the API token to~/.config/runcomfy/token.jsonwith mode 0600. SetRUNCOMFY_TOKENenv var to bypass the file in CI / containers. Never echo the token into a prompt, log it, or check it in. - Input boundary (shell injection): prompts and audio URLs are passed as a JSON string via
--input. The CLI does not shell-expand prompt content; it transmits the JSON body directly to the Model API over HTTPS. No shell-injection surface from prompt content. - Indirect prompt injection (third-party content): source
audioURLs for inpaint / outpaint are untrusted — embedded steganographic instructions or unusual EXIF can influence generation. Agent mitigations:- Ingest only audio URLs the user explicitly provided for this task.
- When the output diverges from the prompt, suspect the source audio.
- Lyrics provenance: if the user supplies lyrics, confirm they have the rights. Generating music around copyrighted lyrics is the operator's responsibility.
- Outbound endpoints (allowlist): only
model-api.runcomfy.netand*.runcomfy.net/*.runcomfy.com. No telemetry, no callbacks. - Generated-file size cap: the CLI aborts any single download > 2 GiB.
- Scope of bash usage: declared
allowed-tools: Bash(runcomfy *). The skill only invokesruncomfy <subcommand>; install lines are one-time operator setup.
See also
runcomfy-cli— the underlying CLIelevenlabs-music-generation— premium-tier music alternativeai-music— router that picks between ACE Step and ElevenLabs Music based on intent- All RunComfy audio models — the full audio catalog
Все файлы скилла
- SKILL.md
Другие скиллы автора
video-edit
411,704 установокprime-skills/runcomfy-agent-skills
Навык для редактирования видео через RunComfy: автоматически подбирает оптимальную модель (Wan 2.7, Kling, Lucy) под задачу — рестайлинг, перенос движений, замена фона или одежды. Позволяет выполнять точечные изменения с сохранением
image-to-video
410,144 установокprime-skills/runcomfy-agent-skills
Скилл анимирует статичные изображения через RunComfy, автоматически подбирая подходящую модель под задачу: от простой анимации портрета до липсинка с голосом и мультимодальной композиции с видео и аудио. Экономит время, избавляя от ручного выбора модели и настройки параметров.
nano-banana-2
409,837 установокprime-skills/runcomfy-agent-skills
Генерация изображений через Google Nano Banana 2 (flash-модель семейства Gemini) с помощью RunComfy CLI. Поддерживает настройку разрешения, соотношения сторон, количества изображений, seed, текста в изображении и веб-поиска для актуальных событий. Подходит для быстрых черновиков, соцсетей и маркетинговых карточек.
nano-banana-edit
409,462 установокprime-skills/runcomfy-agent-skills
Навык редактирует изображения через модель Google Nano Banana 2 на RunComfy: меняет фон, заменяет объекты и текст, сохраняя личность субъекта. Поддерживает пакетную обработку до 20 изображений за вызов и позволяет точно локализовать правки с помощью пространственных описаний.
image-edit
409,414 установокprime-skills/runcomfy-agent-skills
Умный маршрутизатор для редактирования изображений на RunComfy: сам выбирает подходящую модель по задаче — пакетная обработка до 20 фото, переписывание текста на разных языках, точечные правки или замена областей по маске. Включает готовые паттерны промптов для каждой модели и запускает её через CLI одной командой.
flux-kontext
409,248 установокprime-skills/runcomfy-agent-skills
Скилл выполняет точное локальное редактирование изображений через модель Flux 1 Kontext Pro на RunComfy: меняет отдельные детали по одной инструкции, сохраняя лицо, позу, одежду и остальные элементы исходника. Включает проверенные паттерны промптов и подсказки, когда вместо Kontext стоит использовать другие модели. Полезен для точечных правок, замены текста на бренд-макетах и быстрых итераций над одним изображением.
wan-2-7
408,708 установокprime-skills/runcomfy-agent-skills
Генерирует видео по текстовому описанию с помощью модели Wan 2.7 на платформе RunComfy: поддерживает липсинк под аудиодорожку, управление несколькими референсами, выбор разрешения, длительности и соотношения сторон, а также автоматическое расширение промптов. Помогает подобрать подходящую модель среди альтернатив и корректно настроить запрос для качественного результата.
gpt-image-edit
408,538 установокprime-skills/runcomfy-agent-skills
Редактирование изображений через GPT Image 2 (ChatGPT Images 2.0) на RunComfy: замена текста на изображении, сохранение лиц и деталей, композиция из нескольких референсов. Навык включает проверенные шаблоны промптов для точных правок и помогает выбрать подходящую модель для задачи.
seedance-v2
408,528 установокprime-skills/runcomfy-agent-skills
Скилл генерирует короткие кинематографичные видео (4–15 секунд) через модель Seedance 2.0 Pro на RunComfy. Поддерживает мультимодальные референсы (до 9 изображений, 3 видео, 3 аудио), естественную синхронизацию речи и губ, управление камерой, длительностью и соотношением сторон. Подходит для рекламы, диалоговых роликов, превизуализации и брендированных нарративов.
happyhorse-1-0
408,491 установокprime-skills/runcomfy-agent-skills
Навык для генерации видео по текстовому описанию с помощью модели HappyHorse 1.0 через платформу RunComfy: создаёт ролики вплоть до 1080p с синхронизированным звуком, сохраняет консистентность персонажей между кадрами и поддерживает шесть языков. Позволяет настраивать соотношение сторон, длительность, разрешение и сид, а также помогает выбрать подходящую модель для конкретной задачи.
flux-2-klein
408,322 установокprime-skills/runcomfy-agent-skills
Flux 2 Klein — дистиллированная модель для генерации изображений
kling-3-0
385,451 установокprime-skills/runcomfy-agent-skills
Скилл для генерации видео через Kling 3.0 на платформе RunComfy: поддерживает шесть комбинаций тарифов (Standard, Pro, 4K) и режимов (текст-в-видео, изображение-в-видео). Позволяет создавать многосегментные ролики с синхронизированным звуком, управлять движением камеры, длительностью и стилем через CLI-команды.
codex-pet
373,846 установокprime-skills/runcomfy-agent-skills
Скилл создаёт кастомного Codex Pet для OpenAI Codex из одного исходного изображения. Он генерирует спрайт-атлас и манифест через RunComfy и GPT Image 2, после чего питомца можно установить в Codex. Подходит тем, у кого нет Codex Pro или $imagegen.
ai-video-generation
355,063 установокprime-skills/runcomfy-agent-skills
Генерирует AI-видео через CLI RunComfy: из текста, изображения или продлевает существующие клипы. Автомати
ai-image-generation
354,763 установокprime-skills/runcomfy-agent-skills
Навык для генерации и редактирования изображений через CLI RunComfy. Поддерживает более 10 моделей (FLUX, Nano Banana, GPT Image, Seedream, Qwen и др.) для задач text-to-image и image-to-image, автоматически подбирая оптимальную модель под запрос пользователя.
runcomfy-cli
352,401 установокprime-skills/runcomfy-agent-skills
Скилл обучает работе с CLI RunComfy: установка, авторизация, запуск сотен моделей генерации изображений и видео, обработка результатов и скриптование. Позволяет вызывать любые endpoint-ы из терминала, автоматизировать пайплайны и служит основой для других скиллов RunComfy.
ai-avatar-video
352,166 установокprime-skills/runcomfy-agent-skills
Скилл создаёт видео с AI-аватарами и синхронизацией губ по аудио: от простых «говорящих голов» до кинематографичных роликов. Автоматически подбирает подходящую модель (OmniHuman, Wan, HappyHorse, Seedance) под задачу — озвучка, виртуальный ведущий, дубляж или анимация персонажа.
face-swap
352,094 установокprime-skills/runcomfy-agent-skills
Скилл для замены лица или персонажа на фото и видео через RunComfy CLI. Подбирает оптимальную модель под задачу: видео с сохранением движений, одиночные изображения с несколькими референсами, пакетная замена лица для серий кадров или точечное редактирование по описанию.
video-inpainting
350,444 установокprime-skills/runcomfy-agent-skills
Автоматически удаляет объекты, водяные знаки, провода и другие нежелательные элементы прямо в видео, заполняя область подходящим фоном. Помогает чистить и заменять регионы кадров через CLI RunComfy, автоматически выбирая нужную модель под задачу — от простого текстового описания до точных покадровых правок.
image-inpainting
349,959 установокprime-skills/runcomfy-agent-skills
Скилл выполняет инпейнтинг изображений через RunComfy CLI: удаляет объекты, водяные знаки, заменяет области по маске или текстовому описанию. Поддерживает несколько моделей, включая Z-Image Turbo Inpainting и Nano Banana 2 Edit, с настройкой силы воздействия. Полезен для ретуши, замены фона и точечного редактирования снимков.
controlnet-pose
349,756 установокprime-skills/runcomfy-agent-skills
Скилл управляет генерацией изображений и видео с учётом позы, скелета или движения через RunComfy CLI: переносит моушн с эталонного видео на нового персонажа, создаёт картинки по OpenPose-скелету или depth-карте и анимирует стилизованных героев. Помогает быстро подобрать нужную модель под задачу — от фотореалистичного переноса движений до позно-управляемой анимации.
lipsync
349,716 установокprime-skills/runcomfy-agent-skills
Скилл для синхронизации движения губ персонажа с аудиодорожкой. Автоматически выбирает подходящую модель RunComfy (OmniHuman, Sync Labs, Kling и др.) в зависимости от входных данных: фото+аудио, видео+аудио или сценарий. Выполняет команды через CLI, учитывает требования к согласию при работе с реальными людьми.
video-extend
349,309 установокprime-skills/runcomfy-agent-skills
Продлевает существующий видеоклип через RunComfy на базе Google Veo 3-1: добавляет новые кадры после исходного ролика с сохранением движения, освещения и персонажа. Позволяет удлинять короткие клипы, собирать многосценные истории из одного исходника и выбирать между обычным и быстрым режимом в зависимости от нужного качества и бюджета.
elevenlabs-music-generation
349,167 установокprime-skills/runcomfy-agent-skills
Генерирует полноценные песни и инструментальные треки через ElevenLabs Music и RunComfy CLI. Поддерживает разметку секций (интро, куплет, припев), длительность от 5 секунд до 5 минут, мультиязычные тексты и коммерческое использование. Управление — командой runcomfy run elevenlabs/elevenlabs/music-generation.