Suno で作っていた BGM やデモ曲を、手元の GPU で回せないか。2026年9月時点で「歌詞＋曲調の指示から、ボーカル入りのフル曲」を出せて商用利用もできるオープンなモデルは、実質 ACE-Step 1.5（MIT）と HeartMuLa oss-3B（Apache 2.0、重みも）の2つに絞れます。YuE2 は重みが CC BY-NC（非商用）、MiniMax Music 3 は商用可ですが 57GB で UI にモデル名の表示義務があります。
この記事は、その2つを 同じ日本語の歌詞・同じ曲調の指示・同じ GPU（RTX 3090 24GB） で回して、速度・VRAM・RAM・歌詞がどれだけそのまま歌われたかを数えた記録です。数字はすべてスクリプトが測ったもので、聴いた印象は最後に短く書くだけにします。
速さは ACE-Step、歌詞の忠実さと VRAM/RAM の軽さは HeartMuLa。ただし HeartMuLa は「指定した長さ」ではなく「歌詞が終わったら曲が終わる」ので、3分の曲が欲しければ3分ぶんの歌詞が要ります。
この記事は要約版です。続き（残りの話題・実装の詳細）は元記事でどうぞ:
Sunoの代わりを自前GPUで——ACE-Step 1.5 Turbo XL と HeartMuLa oss-3B を同じ日本語歌詞で計測した（速度・VRAM・歌詞の一致率）
