ACE Music盲测超Suno v6:中国团队登顶AA音乐榜

资讯 AI 应用前沿 全文 3911 字 · 约 10 分钟读完 配图 14 张 分类MusicACE模型发布

在Artificial Analysis最新发布的AI音乐人声榜单中,中国团队ACE推出的ACE Music v1以1160分的成绩超越长期霸榜的Suno v6。这是该榜单成立以来,Suno旗舰模型首次在盲听测试中失守头名。ACE团队从2025年3月启动基座模型研发,仅用18个月便实现突破。其核心优势在于“Symbol

所属频道 模型发布

Suno的统治被打破了

在AI音乐生成这条赛道上,Suno长期被当成“标杆”。2023年赛道爆发之后,几乎每轮行业评测,Suno的最新版本都稳坐头名。直到全球权威AI评测机构Artificial Analysis(简称AA)最近发布新榜单,局面才出现了一点微妙却明确的变化。

中国团队ACE靠自家模型ACE Music v1,在AA的音乐人声榜上拿下1160分,比Suno最新旗舰模型v6高出16分。分差看着不大,可放在头部梯队里,足够让排名换个位置。

文章配图

评测方式其实更关键。AA榜单的核心逻辑是“盲听”,评审不知道每首歌出自哪个模型,只按提示词生成的最终听感打分。此前也有模型声称超过Suno,但多半是拿Suno的旧版本做对比,或者数据来自厂商内部的非公开测试。这回不一样:同等提示词、隐藏模型身份,由第三方机构完成正面交锋。

文章配图

消息传开后,海外社区讨论热络。有人在社交平台上打趣,说Suno的“王座”没那么稳了;也有人对这支此前名气不大的中国团队起了兴趣。ACE团队直到2025年3月才正式启动音乐生成基座模型的研发,从立项到登顶,满打满算只用了18个月。

耳朵不会撒谎:盲听测试到底听到了什么

文章配图

为验证榜单结果是否靠谱,我们做了一组简单对照测试。挑了三组不同风格的音乐提示词,分别交给ACE Music v1和Suno v6生成歌曲,试听时不告知来源。

文章配图

第一组是数学摇滚(Math Rock)。这类风格以复杂的节拍变化和不规则节奏型著称,对模型的节奏掌控能力要求很高。两首生成曲目里,一首鼓点切换生硬,另一首变拍时律动感保持得不错。后者人声进入时机准确,乐器分离度也更高。

文章配图

第二组是K-pop流行曲风。这类音乐通常要求人声清亮、咬字清晰,伴奏还得有强烈的记忆点。盲听环节,其中一首女声略显扁平,电子合成痕迹明显;另一首人声气息更自然,高音部分也没出现常见的破音或失真,听感更接近真人录音室作品。

文章配图

第三组选了Roots Reggae(根源雷鬼)。这种风格起源于牙买加,讲究贝斯的厚重感和节奏的松弛度。测试中,一首曲目的贝斯线条模糊,跟鼓点贴合不够紧;另一首则抓住了雷鬼音乐特有的“反拍”感觉,整体氛围营造得当。

文章配图

揭晓答案后发现,上述三组对比中表现更好的,都是ACE Music v1生成的作品。当然,音乐审美因人而异,不同听众偏好可能不一样。但从技术层面看,ACE Music v1在人声自然度、乐器质感和风格特征还原上,完成度确实较高。

文章配图

这种听感差异,正好照出当前AI音乐模型竞争的焦点:从“能生成”转向“好听、自然、可控”。Suno v6在通用性上依然强大,可在某些特定风格和人声细节的处理上,已经感受到新挑战者带来的压力。

文章配图

不只是听个响:普通用户能怎么玩

文章配图

对多数非专业用户而言,榜单上的分数多少有些抽象,真正决定去留的还是上手体验。ACE目前已经上线了面向大众的音乐生成产品ACE Music,官网地址为acemusic.ai。

文章配图

界面做得比较直白,主推两种用法。一种是“灵感模式”,零基础也能用:敲一段文字描述,例如“一首适合雨天听的爵士钢琴曲”,或者传一张图、一段视频,甚至随口哼几句旋律,AI就会把整首歌生成出来。创作门槛被压得很低,生成音乐跟发条朋友圈差不多。

文章配图

另一种是“自定义模式”,控制权更多交给用户:歌词自己填,曲风自己挑,旋律走向也能调。写不出词,系统内置的AI助手可以帮忙;有乐理底子的用户还能进一步改和弦、改编曲结构。价格方面,ACE Music眼下提供免费额度,每天送20积分,大概够生成10首歌。要下载高清音频或做商业用途,就得订Creator版,月费9.9美元(约合人民币66元),按年付折算下来每月7.9美元。这个价位在同类型产品里算中等,结合生成质量和版权清晰度来看,有一定竞争力。

实际测试挑了几个典型场景。先看多语言演唱:让AI分别唱英语、日语和葡萄牙语(桑巴风格)的歌曲。ACE Music v1在各语种下的发音准确度都不低,英语和日语尤其明显,咬字清楚,情感也唱得出来。个别小语种偶尔会有语调偏差,但整体可用性很强。

再看纯音乐生成,这块对内容创作者很实用,做Vlog背景乐、餐厅环境音乐、广告配乐都能用。AI生成纯音乐最大的好处是版权风险低——传统素材库里的音乐常常埋着版权纠纷的雷,而AI生成的音乐一般归用户所有(具体还要看服务条款)。测试时生成的一段咖啡馆背景音乐,风格舒缓,乐器搭配也和谐,直接就能用。

最后拿冷门风格试了试。非洲器乐、前卫太空迷幻摇滚、神圣大合唱这些小众路子,模型抓特征抓得相当准:非洲器乐的打击乐节奏鲜明,迷幻摇滚的合成器音色撑出了空间感,大合唱的和声层次也够丰富。看得出训练数据覆盖面比较广,风格泛化能力不弱。

不过中文歌曲测试里,吐字清晰度虽然好过不少竞品,但碰上高密度歌词(比如Rap)时,仍会出现吞字或节奏不稳的情况。这其实是整个AI语音行业共同的难点:中文是声调语言,跟旋律对齐的难度远高于拼音文字。

18个月逆袭背后的技术路径

一支成立没多久的团队,怎么在短时间内追平甚至反超行业巨头?执行力之外,技术路线的选择很关键。

ACE团队的核心成员大多有音乐背景。创始人兼CEO郭靖做过乐队主唱,联合创始人兼CPO Conger Sheng是华纳音乐中国的签约词曲作者,首席科学家Ruibin Yuan既是音乐AI研究者,也是乐队吉他手。“懂音乐又懂AI”的人员构成,让他们做产品时更在意音乐人的实际需求。

技术架构上,ACE没有走主流的“端到端”音频生成路线,而是提出了一套叫“Symbolic CoT”(符号思维链)的方法。

传统端到端模型直接从文本提示生成音频波形,速度快,可控性却差。生成的某个音符或和弦不满意,用户很难单独改,往往只能把整首歌重新生成一遍。

ACE Music v1拆成两步走:模型先按提示词产出一份可编辑的乐谱,里面含音符、节拍、和弦等符号信息;再依据这份乐谱合成音频。乐谱是结构化符号数据,大语言模型(LLM)理解起来、改起来都不费劲。用户于是能用自然语言指令调乐谱,比如“把副歌部分的和弦变得更悲伤一点”,或者“加快第二段主歌的节奏”,不必重做整首歌。

这个思路类似编程里的“中间表示层”,用户控制权更高,也给AI Agent介入留了空间。团队展示过一个案例:让Claude Agent自主创作一首千禧年华语经典串烧。Claude自己去检索《晴天》《童话》等歌曲的结构,提取副歌,统一调性和速度,写出一份88小节的乐谱,最后调用ACE Music生成音频。乐理细节全程不用人管,用户只提创意需求。

ACE还攒下了大量高质量专业数据。面向专业音乐人的产品ACE Studio允许用户精细调整生成的人声和乐器,比如改音高、改咬字、改情绪。在用户授权的前提下,这些修改记录成了宝贵的训练素材。截至2026年9月,ACE已积累超过300万条专业创作轨迹。数据里不只有最终音频,还有音乐人的决策过程——为什么这里改一个和弦,那里调一下人声气息。这种“解题过程”式的数据,对提升模型审美和逻辑能力很关键。

行业格局正在重塑

ACE Music v1登顶,不代表Suno就此衰落,AI音乐行业算是进入了新的竞争阶段。过去两年市场主要解决“从无到有”,谁能生成完整歌曲谁就赢;现在焦点转到了“从有到优”,音质、可控性、版权合规、工作流整合能力都成了比拼项。

Suno在通用模型领域的影响力依然强大,用户基数和社区生态不容易撼动。ACE则靠差异化路线,在专业性和可控性上筑起了壁垒。对需要精细调整的音乐制作人、游戏开发者、影视后期团队来说,ACE的“乐谱+音频”双模态输出更有吸引力。

资本市场也给出了反应。2026年9月,ACE完成近4000万美元的新一轮融资,投资方包括多家头部大厂战投和知名风险投资机构。资金主要投向算力投入和人才引进,用来巩固其在基座模型上的优势。

开源社区那边同样热闹。ACE团队把ACE-Step等模型组件开源,在GitHub上拿到超过3.3万Stars。品牌知名度上去了,也吸引大批开发者围绕其生态做应用,形成了良性循环。

不过难题也摆在眼前。中文歌曲唱得还不够自然,长曲子前后结构怎么接得更顺,也还得接着打磨。再加上巨头纷纷挤进来,算力开销和版权法律框架都还没个准数,这两样就像头顶悬着的剑。

话说回来,ACE Music v1至少说明了一件事:AI音乐这条赛道看着被大厂把持,后来者只要技术切得准、行业里攒得够深,照样能把规矩重新写一遍。

落到普通人身上,往后能用的音乐创作工具会更多、质量也更高。写歌这道坎正被一点点拆掉,将来谁都能给自己的生活谱曲。技术变革最打动人的地方,大概也就在这里。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌Gemini 4 Hydrogen发布:定价低于Argon,AA指数反超

    谷歌DeepMind于2026年11月12日发布Gemini 4 Hydrogen,定价$1.50/$7.50(百万token),在Artificial Analysis智能指数上以51分(默认高档)和54分(最高档)超越同系Argon的50分,同时面向所有用户免费开放。模型主打代码执行与agentic工作流,配套推出

    来源 AI 科技快讯
  2. Agent递归自我改进:不训练模型如何越用越强?

    中科院自动化所与美团等机构联合发布综述,探讨LLM Agent如何在不更新模型权重的前提下,通过优化Prompt、记忆、技能和运行框架实现递归自我改进。文章梳理了“何时改、改哪里、怎么改”三个核心问题,并提出了包含收集、评估、诊断等七步的经验转化生命周期,为理解Agent从单次试错到持续进化的机制提供了清晰框架。

    来源 AI 应用前沿
  3. XYBench基准出炉:AI答得对却帮不上忙,8000题考意图识别

    当用户问错问题时,AI是顺着错误给方案,还是指出真正的问题?Allen AI发布的XYBench基准测试了8000多个真实场景,发现主流大模型在识别用户潜在意图和纠正误解方面,表现远不如人类。本文详解XYBench的构建逻辑、评估维度及实验结果,探讨为何“听懂弦外之音”对AI助手至关重要。

    来源 AI 应用前沿
  4. 阿里发布Qwen4并上线Qwen4-Max:Token减半、得分升近28%

    阿里巴巴11月16日正式发布全新一代基座大模型 Qwen4,千问 AI 平台首发上线 Qwen4-Max,API 服务与 Token Plan 同步开放。模型采用基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构,总参数2.4T,具备原生视觉与长程任务稳定交付能力,支持百万上下文,可调用专业工

    来源 AI 开发者社区
  5. 阿里发布Qwen4,千问平台首发Qwen4-Max:Token减半、得分涨近28%

    11月16日,阿里发布新一代基座大模型Qwen4,千问AI平台首发Qwen4-Max,API与Token Plan同步开放。该模型采用Qwen稀疏注意力MoE架构,总参数2.4T,支持百万上下文、原生视觉与长程任务稳定交付,可调用工具并分阶段交付;评测中同档位较上代提升。

    来源 AI 产业速递
  6. 华为云:80%中国具身智能企业选了昇腾云,具身智能市场排中国第一

    IT之家 11 月 16 日消息,在今日的华为云 CloudRobo 具身世界模型发布会上,华为云方面透露,华为昇腾云在具身智能市场格局中排行中国第一,已有 80% 的中国具身智能企业选择昇腾云,重点高校基本实现全覆盖。 2025 年 6 月,华为云发布 CloudRobo 具身智能平台。华为常务董事、华为云计算 BU

    来源 AI 行业观察
  7. Claude Fable5.2上线:70万笔触代码作画,不靠扩散模型

    Anthropic 当地时间11月9日发布 Claude Fable5.2与 Mythos5.2。该公司无传统文生图模型,Fable5.2却能以代码在虚拟画布上模拟画笔逐笔作画,还原笔刷纹理、颜料湿度与画布质感并可修正错误。不同于 Midjourney 等扩散模型从噪声生成图像,它把绘画拆解为笔触指

    来源 AI 开发者社区
  8. Claude Fable5.2靠代码作画:70万笔触画出购物车

    Anthropic 11月9日发布 Claude Fable5.2 与 Mythos5.2。Fable5.2 无传统文生图模型,却能以代码在虚拟画布逐笔作画,还原笔刷纹理、颜料湿度与画布质感,并可修正错误。它不同于 Midjourney 等扩散模型从噪声生成图像,而是把绘画拆解为笔触指令执行,每幅画是一段约1000至2

    来源 AI 产业速递
  9. 百度词元所上线首日:供应商增超100家,客户接入破1000家

    【环球网科技综合报道】11月14日,从百度获悉,百度词元所发布首日,新增申请入驻的供应商已超过100家,新增超过1000家客户接入。词元所在11月12日举行的百度世界2026上正式发布,百度创始人李彦宏将其称为“大模型的交易所”。据介绍,词元所一端汇聚模型和模型提供商,另一端服务企业和个人,让用户便捷地找到、购买和使.

    来源 腾讯网
  10. 清华江瑞课题组发布ProtCell:在摩尔线程S5000上复现预训练

    IT之家 11 月 14 日消息,据摩尔线程公众号,近日,清华大学自动化系江瑞课题组发布了面向单细胞蛋白组的基础模型 ProtCell,完成了论文《ProtCell:a foundation model for single-cell proteomics》。该模型汇集约 3.8 亿个细胞、98 个公开数据集用于预训练

    来源 AI 行业观察
  11. SpaceX豪掷740亿建AI超算:数GW电力够撑吗?

    本期资讯聚焦三大动态:SpaceX据传计划投入巨资建设两座AI超算园区;Google推出面向影视创作的Flow新工具及Gemini 4 Hydrogen模型,后者展示了实时3D可视化能力;AWS发布Bedrock推理成本优化指南。此外,LMArena提出智能体交互评测新范式,DeepMind发布AlphaGenome

    来源 AI 应用前沿
  12. Spotify AI DJ:合成声音串场,为何反而毁了听歌氛围

    YouTube Music和Spotify正力推合成主持人来策划你的歌单。这些AI DJ用尴尬的玩笑和虚构的歌曲冷知识填满曲目间隙,非但没有提升个性化体验,反而毁掉了听歌的沉浸感。本文从Spotify的AI DJ功能说起,剖析合成声音为何令人出戏,以及音乐平台的“拟人化”执念究竟错在哪里。

    来源 AI 行业观察
  13. 24000亿参数!阿里Qwen4-Max旗舰模型登场,任务便宜58%

    智东西(公众号:zhidxcom)作者 | 李水青编辑 | 心缘智东西11月16日报道,今日,阿里正式发布Qwen4系列的首款模型——Qwen4-Max。该模型采用Qwen4系列新架构,拥有2.4万亿总参数,每个token激活71B参数;具备原生视觉能力,支持百万token上下文窗口。Qwen4-Max重点强化专业工具

    来源 腾讯网
  14. 华为云将发布首款昇腾原生具身世界模型 CloudRoboWM1.2

    华为云将于11月16日14:00-15:30举办线上发布会,正式发布首款昇腾原生具身世界模型CloudRoboWM1.2,推动具身智能从实验室研发走向千行百业规模化落地。华为云具身产品线总裁、具身智能Lab主任吴小东将发布该模型;首席模型专家刘流解读其架构与核心能力;产业生态负责人丁志彬亦在议程中。

    来源 AI 产业速递
  15. Fable 5.2成本高17倍却失分,12个AI进Slack当同事OpenAI拿下前二

    新智元报道 花430倍的钱,只多11%的分数!太夸张了。数据协作平台Deepnote今天发布了一项评测结果——创始人Jakub Jurovych搞了一个叫Agent Initiative Benchmark的东西,把12个前沿模型丢进同一家公司的Slack群里当AI同事,让它们自己决定什么时候该帮忙、什么时候该闭嘴。跑

    来源 腾讯网
  16. llama.cpp 发布 v1.0.0:语义化版本承诺 API 稳定,分发渠道同步铺开

    llama.cpp 和底层张量库 ggml 同步发布 v1.0.0,标志着项目从快速迭代转向稳定期。这次更新确立了严格的语义化版本规则,承诺公共 C API 的稳定性,方便下游应用集成。文章详细解读了版本升级策略、多平台分发渠道(如 Homebrew、conda-forge)、CI 基础设施的强化,以及对 150 多种

    来源 AI 应用前沿
  17. 阿里Qwen4-Max发布:总参数2.4T,单任务平均费用降六成

    新京报贝壳财经讯(记者罗亦丹)11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max以更少的Token消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化:在权威的全球前端编程盲测CodeArena中,Qw

    来源 腾讯网
  18. ElevenLabs Scribe v3双模型:102语种转写与实时低延迟

    ElevenLabs发布两款新一代语音转文本模型Scribe v3和Scribe v3Live,分别面向预录制音频转写和低延迟实时语音应用,重点提升复杂语音环境下的识别能力,包括多人交谈、相互打断及背景噪声等场景。两款模型现已通过ElevenAPI和ElevenAgents平台向开发者开放。 ElevenLabs表示,

    来源 AI 开发者社区
  19. Edge0开源145B端侧模型:29GB内存跑起来,编程能力对标云端

    人工智能在端侧部署领域迎来了里程碑式的突破。开源项目 Edge0近日正式发布并开源了 Edge0-145B 与 Edge0-120B 模型,同时带来了一套统一的推理框架与部署工具。作为全球首个宣称可在个人电脑本地流畅运行的1450亿参数开源模型,Edge0-145B 成功将足以比肩云端前沿大模型的编程、推理与智能体能力

    来源 AI 开发者社区
  20. 火山引擎Seedance 2.5 4K开放API:支持480P样片试拍

    11月16日,火山引擎官方宣布视频生成模型Seedance 2.5 4K的API全面开放。该模型于10月23日正式发布,官方称其为Seedance 2.5这一代中最强版本,支持480P样片草案模式与10-bit色深,部分海内外影视制作、后期公司已试用。

    来源 凤凰科技
  21. 腾讯混元Hy4 flash:224B参数、12B激活,单任务成本仅Hy4的5%?

    11 月 16 日,腾讯混元最新语言模型 Hy4 flash 发布,模型总参数量为 224B(其中 64B Engram 参数),激活参数仅为 12B,支持多模态和 1M 上下文长度。Hy4 flash 是迄今为止最高性价比的 Hy 模型:每百万 Token 输入 0.5 元、输出 2 元,命中缓存时仅需 0.02 元

    来源 AI 行业观察
  22. 工业AI净利率跌破5%:错尺子量不出实体利润

    (本文作者为 GritMeng,钛媒体经授权发布)文 | GritMeng聊天对话框省不出利润率,物理AI真正的金矿藏在“同源耦合”的水下。这两年,科技界与实体产业之间裂开了一道肉眼可见的鸿沟。一边是算力基础设施与大语言模型狂飙突进,参数规模、推理速度每半年翻一番,智能体(Agent)概念席卷所有科技峰会;另一边却是广

    来源 腾讯网
  23. 华为公布最新数据:80%中国具身智能企业选择昇腾云

    11月16日华为云CloudRobo具身世界模型发布会上,华为云披露80%的中国具身智能企业选择昇腾云,重点高校基本实现覆盖,并称昇腾云在中国具身智能云市场排名第一。CloudRobo平台已汇聚超1.65万名开发者、230多家企业和高校,累计沉淀超1500项行业资产。

    来源 凤凰科技
向下滚动自动加载更多