编辑|杨文
「AI 音乐工具就像音乐行业的司美格鲁肽,人人都在用,却没人愿意公开谈论。」
今年 1 月,Suno CEO Mikey Shulman 接受专访时,引用了这句在业内流传的话。他认为,未来的音乐形态,不只是用来听的,更是每个人都能亲自参与、互动和创造的。
也正因此,AI 音乐成为近两年科技行业增速最猛的赛道之一。
谷歌把音乐生成能力嵌入 Gemini;腾讯音乐推出面向普通创作者的「VEMUS 未音」,并预热专业向平台 MusicBuddy;字节跳动将海绵音乐迭代至第三代;阿里近期也上线了 AI 音乐产品 HappyShrimp(快乐虾米);Suno、Udio、昆仑万维、MiniMax 等玩家亦在密集跟进。
热闹归热闹,Suno 的统治地位却始终难以撼动。
截至 2026 年 2 月,超过 1 亿人使用过 Suno,付费用户突破 200 万,年收入约 3 亿美元,同比增长超 400%。用户每天在 Suno 上生成的歌曲超过 700 万首,相当于每两周再造一个 Spotify 曲库。
不止于此,在全球最权威的独立 AI 评测机构 Artificial Analysis(以下简称 AA)的音乐榜单上,Suno 的旗舰模型自收录以来,一直稳居榜首,从未易主。
直到最近,一家名为 ACE 的公司打破了这个记录。
其自研模型 ACE Music v1,在 AA 音乐人声榜单上以 1160 分的 ELO 成绩,超越了 Suno 一个多月前刚发布的最强模型 Suno v6(1144 分),登顶全球第一。
这是 AA 音乐榜诞生以来,Suno 最强模型首次被击败,也是 ACE Music 首次出现在这张榜单上。
从 2025 年 3 月启动音乐基座模型研发,到 2026 年 11 月登顶 AA 榜单,ACE 仅用了约 18 个月。这次登顶究竟有多大含金量?ACE 又是凭什么做到的?
这个榜单,含金量有多高?
Artificial Analysis 是全球具有较高影响力的独立 AI 评测机构之一,它长期跟踪大模型、图像、视频、语音和音乐生成等领域的技术进展。
与不少依赖自动评分模型的 Benchmark 不同,AA 音乐榜单采用人类主观偏好评估。评测人员会听取由两个不同模型根据同一提示词生成的音乐作品,在不知道模型身份的情况下,选择自己更喜欢的一首,评测结果经过统计建模,最终转化为 Elo 分数。
为减少无关因素的干扰,AA 还对音频进行统一响度和格式处理,每次比较都要求评测人员至少听取两首作品各 10 秒。模型的最终排名,来自经过验证的独立评测人员所作的大规模盲测投票,公开用户在 Arena 中的投票不会计入正式榜单。
AA 将音乐生成分成两个独立赛道:Vocal(含人声演唱或语音元素的歌曲)和 Instrumental(不含人声的纯音乐与伴奏)。
Vocal 榜单涉及歌词创作、旋律设计、人声演绎、情绪表达和编曲整合,对模型综合能力要求更高,也因此更具参考价值。目前,ACE Music v1 以 1160 Elo 位列第一,Suno v6 以 1144 分排名第二,Suno v6-mini 以 1132 分位列第三,Mureka V9.5 则以 1101 分排名第四。ACE 领先 Suno v6 达 16 分,这个差距已超过第二名与第三名之间的 12 分之差。
榜单来源:
https://x.com/ArtificialAnlys/status/2120337324898992298?s=20
一手实测:AI 音乐模型究竟能做到什么程度?
榜单给出了一个直观的排名,但音乐模型的真实能力,终究要靠作品说话。
一首歌好不好听,涉及人声表现、旋律记忆点、歌词表达、编曲完整度和风格还原等多个维度,尤其面对复杂的音乐指令,模型能否准确理解创作意图,也需要通过实际生成效果检验。
接下来,我们从不同音乐风格、复杂创作需求和同 Prompt 模型对比等角度,看看这款登顶 AA 榜单的模型,究竟有多少真本事。
体验链接:
https://acemusic.ai/create/
与其他音乐生成工具类似,ACE Music 提供灵感模式和自定义模式两种入口。
灵感模式下,我们只需输入一段描述,模型即可生成一首完整歌曲。
最近,《后会友期》火出圈。节目中,许飞在火车上即兴写出同名主题曲,唱出朋友之间的遗憾与真心。我们也以类似的情感为主题,尝试创作一首歌,写给那些曾经无话不谈、后来渐行渐远,又在某个路口意外重逢的朋友。
ACE Music 生成的歌曲,旋律抓耳,情绪层层递进,歌词把曾经的亲密、后来的疏离以及久别重逢写出了画面感,既有青春的遗憾,也有成年人的释然。
一首抒情歌还不足以检验模型的音乐功底,真正考验模型的,是能不能驾驭截然不同的音乐风格。
先来首 Funk。
Funk 对节奏律动和乐器配合有较高要求。这次的作品中,节奏吉他、键盘和 slap bass 相互咬合,编曲有层次但不显拥挤,很有让人跟着节奏摇摆的感染力。
提示词:A funk track with a groovy slap bass, celebrating the most satisfying day off ever.
K-pop 女团舞曲的风格还原也挺准,不同声线轮流接唱,短句切换干脆,低沉带有挑衅意味的 Rap 段落也没有违和,整体颇有成熟女团大制作的质感。
再来首影视交响配乐。这类音乐对动态层次的要求极高,很多模型生成出来要么太平,要么一上来就轰炸。
ACE 的版本处理得比较克制,开篇是独奏钢琴,安静、略带忧郁,弦乐随后渐入,铜管和打击乐层层叠加,最后推到气势恢宏的交响高潮,强弱对比鲜明,放在正片里不违和。
最让我们感到惊喜的,是跨模态生成的部分。
我们上传一张《花样年华》的剧照,让模型根据画面写一首港乐。
它能够提取图片中的场景信息和情绪线索,再将这些抽象信息映射到音乐主题与听觉表达中,是不是很有王家卫电影里的味道?
它甚至可以根据一段乱弹的旋律扩展成一首完整的歌曲:
如果对原来的风格不满意,还能一键翻唱,直接切换音乐类型。比如,把原曲改编成浓郁舒缓爵士风格。
那么,与 Suno 最新模型比起来,ACE Music 怎么样呢?下面是同一个提示词,ACE Music 和 Suno 的对比效果,你更心水哪个?
视频来源:
https://x.com/ArtificialAnlys/status/2120337329059713391
总体来看,ACE Music 在风格还原和编曲完整度方面表现还是很稳定的,再加上它玩法丰富灵活,可用的空间很大,既能随手玩、做个性化的音乐表达,满足普通爱好者的趣味创作,也扛得住专业向的创作尝试
技术解读:ACE 凭什么挑战 Suno?
传统 AI 音乐生成是端到端的:用户输入文字或歌词,模型直接输出完整音频。这种架构没有中间层,用户无法干预生成过程,要想修改某段旋律、调整和弦或改变节奏,只能反复修改 Prompt,很难精准定位和编辑具体的音乐元素。
ACE Music 引入 Symbolic CoT,在音乐生成流程中增加了一个乐谱生成环节。
具体来说,模型首先通过语言模型生成一份明文乐谱,再将乐谱交给音乐生成模型,转化为完整歌曲。这个过程类似大语言模型的「先思考,再回答」,语言模型负责将创作意图转化为结构化的音乐表达,音乐生成模型则依据乐谱完成声音合成。
这套设计带来三个核心优势。
其一,乐谱级控制能力。速度、律动、音符、和弦、歌曲长度等要素都可以通过乐谱明确表达,用户能直接编辑具体的音乐信息,围绕已有作品持续修改,不必每次重新生成整首歌曲。
其二,通用语言模型的知识能力直接参与音乐生成。大语言模型在训练中积累了大量乐理知识和音乐分析能力,但在端到端的音频生成架构下,它很难直接对连续声音信号进行结构化编辑。Symbolic CoT 在语言模型和音乐生成模型之间提供了一个中间接口,将音乐转化为语言模型可读可操作的符号信息,让其知识储备真正参与到音乐生成中来。
其三,Agent 介入创作的基础。乐谱是结构化文本,Agent 可以解析、修改,再调用 ACE Music 完成渲染。自然语言指令因此可以驱动完整的音乐创作流程,包括多首歌曲的编排、改编和衔接。
ACE 团队做过一次颇具代表性的测试。他们尝试让 Claude Fable 5.2 制作一首千禧年经典华语音乐串烧《8090 后的青春》。Claude 自主搜索《晴天》《童话》《江南》等八首经典歌曲的乐谱,从中提取最具记忆点的副歌片段。
这些歌曲原本在速度和调性上各不相同,为了让串烧保持连贯,Claude 需要统一歌曲速度,重新调整各段调性,并设计不同歌曲之间的过门。最终,它生成了一份长达 5 分钟、共 88 小节的完整乐谱,再交由 ACE Music 生成包含人声和编曲的完整作品。
整个过程无需人工介入乐谱编写,语言模型独立完成了涉及音乐结构分析、多轨协调和创作决策的全部工作。
ACE 的技术布局还延伸到了专业音乐制作领域。
目前,ACE 旗下有两款核心产品:ACE Music 面向大众用户,支持文字描述、哼唱录音、键盘旋律和参考音频等多种创作输入;ACE Studio 则面向专业音乐人,将 AI 生成能力接入持续编辑的音乐制作流程。
在 ACE Studio 中,创作者可以输入 MIDI 旋律和歌词生成演唱人声,并调整音高曲线、音素、颤音和演唱情绪。AI 乐器功能能够根据 MIDI 音符生成钢琴、弦乐、萨克斯等乐器演奏。对于已有音乐素材,产品还提供分轨分离、音频转 MIDI 和生成式编曲等工具,支持创作者继续修改音符、歌词和编曲层次。
ACE Studio 同时承担着专业创作数据积累的作用。
传统音乐数据通常以最终音频为主,很难还原专业音乐人的具体创作决策,比如制作人为什么修改某个音符,为什么替换一组和弦,以及为什么保留或删除某段 AI 生成内容,这些过程都包含了音乐结构和审美偏好方面的信息。ACE 通过记录创作者在制作过程中的编辑轨迹,在用户允许的前提下,这些数据可以用于模型训练。
截至今年 9 月,ACE Studio 已经积累超过 300 万条专业创作轨迹。
这形成了一套持续运转的数据飞轮:更好的模型带来更好的专业工具,工具吸引更多优秀音乐人,音乐人在真实创作中产生高质量数据,这些数据又能反过来训练模型。
ACE 还在进一步打通 Agent 与专业音乐软件之间的连接。
通过 MCP Server 和 CLI,Claude、ChatGPT、Codex 等支持 MCP 的 AI 助手可以接入 ACE Studio,读取和编辑正在进行的音乐工程。用户甚至可以直接用自然语言提出「给副歌加一组弦乐」这样的要求,由 Agent 调用相应工具完成操作。
也就是说,AI 的参与范围正在从歌曲生成延伸到专业制作环节,音乐人可以把更多精力放在创意和审美判断上,Agent 则承担部分具体的编辑和执行工作。
结语
ACE 能在短短 18 个月内完成音乐基座模型研发,并登顶全球第三方榜单,与其团队构成有很大关系。
这是一支同时懂 AI、懂音乐、也懂产品的团队。创始人兼 CEO 郭靖曾担任乐队主唱,拥有丰富的产品与增长经验;联合创始人兼 CTO 赵文骁长期从事机器学习、语音合成和音乐技术研发;联合创始人兼 CPO Conger Sheng 则有音乐产业背景,曾是华纳音乐签约词曲作者。
首席科学家 Ruibin Yuan 的经历更具代表性。他既是音乐 AI 领域的资深研究者,也是从小学习吉他的乐队主音吉他手。他是音乐表征模型 MERT 的核心作者,此前还参与了 Qwen 音乐模型研发,Google Scholar 学术引用近万次,在音乐生成领域的研究者中位居全球前列。
技术研究者、专业音乐人和产品人才聚在一起,让 ACE 从一开始就兼顾了模型能力与真实创作需求。
资本也在加注这条路线。2026 年 9 月,ACE 完成近 4000 万美元新一轮融资,已成为 AI 音乐领域累计融资额最高的华人团队。
ACE Music 此次登顶 AA 榜单,至少释放了一个信号:AI 音乐市场远未形成固定格局,后来者依然有机会通过技术创新实现突破。
过去,大家比拼谁能生成一首完整的歌;现在,竞争已经向音乐理解、精细化编辑和专业制作延伸。未来,模型需要理解乐谱,Agent 需要参与创作,专业工具需要融入真实的音乐生产流程。谁能把这些环节真正连接起来,谁就更有机会建立长期优势。
热门跟贴