Вышла ACE-Step 1.5 — обновлённая модель для локальной генерации музыки

Я попробовал эту модель с вот этим UI:

https://github.com/roblaughter/ace-step-studio

Запускается вот так:

docker run --gpus all -p 8788:8788 -p 5175:5175 -p 8080:8080 \ -v $(pwd)/data:/workspace/data \ -v $(pwd)/checkpoints:/workspace/ACE-Step-1.5/checkpoints \ ghcr.io/fngarvin/ace-step-studio:latest

И в общем работает, но путает языки. То выдаёт текст на испанском, то на английском. Надеюсь допилят...

Скажите, а в какую сторону копать, если у меня есть записи одного голоса, и я хочу этим голосом перепеть другую песню? Это вообще делается локально на данный момент?