Suno霸榜终结:ACE Music凭乐谱生成技术登顶全球第一
AI音乐赛道迎来新变数。成立仅18个月的ACE公司,其自研模型ACE Music v1在权威评测机构Artificial Analysis的人声榜单上,以1160分超越长期霸榜的Suno v6。核心突破在于引入“符号化思维链”技术,将音乐生成拆解为乐谱创作与音频渲染两步,实现了类似专业软件的可编辑性。这不仅是一次排名的
Suno的统治被打破了
在AI音乐圈,
Suno曾是一个近乎无敌的名字。就像有人调侃的那样:“AI音乐工具好比音乐界的司美格鲁肽,人人都在用,却没人愿意公开承认。”直到2026年初,Suno CEO Mikey Shulman还在强调,未来的音乐是每个人都能参与创造的互动媒介。

数据确实漂亮:超过1亿用户,200万付费订阅,年收入3亿美元。每天生成的700万首歌曲,相当于每两周就填满一个Spotify曲库。在独立AI评测机构Artificial Analysis(简称AA)的榜单上,Suno的旗舰模型长期占据榜首,仿佛没有对手。

但最近,这个记录被一家名为
ACE的公司改写。

其最新模型ACE Music v1,在AA音乐人声榜单上拿到了1160分的ELO成绩,超过了Suno一个月前发布的v6模型(1144分)。这是AA音乐榜成立以来,Suno最强模型首次失守。考虑到ACE从2025年3月才启动基座模型研发,到2026年11月登顶仅用了18个月,这次超越显得尤为突兀。

AA榜单到底测了什么?

要理解这次超越的含金量,得先看AA榜单是怎么评出来的。

不同于那些靠算法自动打分的Benchmark,AA采用的是人类主观偏好评估。评测人员在不知道模型来源的情况下,盲听两首由不同模型根据同一提示词生成的作品,选出更喜欢的一首。为了排除干扰,所有音频都经过统一的响度和格式处理,且每次比较至少听取10秒。
这种“图灵测试”式的做法,更能反映真实听感。AA将音乐生成分为Vocal(含人声)和Instrumental(纯音乐)两个赛道。其中Vocal榜单因为涉及歌词、旋律、人声演绎和编曲整合,对模型综合能力要求极高,也被视为最具参考价值的指标。
在这次评测中,ACE Music v1以1160分位列第一,Suno v6以1144分紧随其后,两者相差16分。作为对比,第二名Suno v6与第三名Suno v6-mini之间的分差仅为12分。这意味着ACE不仅在排名上领先,在听感优势上也拉开了明显差距。
不只是好听,更是可控
榜单分数只是抽象数字,实际体验才能说明问题。我们尝试用ACE Music生成不同风格的曲目,发现它最大的特点不是“惊艳”,而是“稳定”和“可控”。
在灵感模式下,输入一段关于“久别重逢的朋友”的描述,生成的歌曲旋律抓耳,情绪递进自然,歌词画面感强。但这还不足以体现技术差异,真正的考验在于复杂指令的执行。
比如生成一首Funk乐曲。Funk对节奏律动和乐器配合要求极高,稍有不慎就会显得杂乱。ACE生成的作品中,节奏吉他、键盘和Slap Bass相互咬合,层次分明,保留了让人摇摆的感染力。
再比如K-pop女团舞曲。模型准确还原了多声线轮流接唱、短句切换干脆的特点,Rap段落也没有违和感。而在影视交响配乐测试中,ACE处理得相当克制:开篇钢琴独奏安静忧郁,弦乐渐入,铜管和打击乐层层叠加,最终推向高潮。这种强弱对比的动态控制,是很多端到端模型难以做到的。
更有趣的是跨模态能力。上传一张《花样年华》剧照,模型能提取画面中的情绪线索,生成带有王家卫电影味道的港乐。甚至可以将一段乱弹的旋律扩展成完整歌曲,或一键将原曲改编为爵士风格。
技术底牌:符号化思维链
ACE之所以能挑战Suno,核心在于技术架构的差异。
传统的AI音乐生成多是端到端的:用户输入文字,模型直接输出音频。这种黑盒模式导致用户无法干预中间过程。如果想修改某段旋律或调整和弦,只能反复修改提示词重新生成,效率极低且难以精准控制。
ACE引入了“符号化思维链”(Symbolic CoT)。简单来说,它在生成流程中增加了一个乐谱环节。模型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音频。
这就像大语言模型的“先思考,再回答”。语言模型负责将创作意图转化为结构化的乐谱,音乐生成模型则依据乐谱进行声音合成。
这种设计带来了三个关键优势:
首先是乐谱级控制。速度、律动、音符、和弦等要素都可以通过乐谱明确表达。用户可以直接编辑具体的音乐信息,围绕已有作品持续修改,而不必每次推倒重来。
其次是通用语言模型的知识介入。大语言模型在训练中积累了大量乐理知识,但在端到端架构下难以直接作用于连续声音信号。Symbolic CoT提供了一个中间接口,让语言模型的乐理知识真正参与到音乐生成中。
最后是Agent介入创作的基础。乐谱是结构化文本,AI Agent可以解析、修改,再调用ACE Music完成渲染。这意味着自然语言指令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团队曾做过一个测试:让Claude Fable 5.2制作一首千禧年华语金曲串烧。Claude自主搜索《晴天》《童话》等八首歌曲的乐谱,提取副歌片段,统一速度和调性,设计过门,最终生成了一份88小节的完整乐谱,再由ACE Music渲染成包含人声和编曲的作品。整个过程无需人工介入乐谱编写。
从生成到制作:数据飞轮的形成
ACE的技术布局并未止步于大众娱乐产品。旗下另一款产品ACE Studio面向专业音乐人,将AI生成能力接入持续编辑的制作流程。
在ACE Studio中,创作者可以输入MIDI旋律和歌词生成演唱人声,调整音高曲线、颤音和情绪。AI乐器功能可根据MIDI音符生成钢琴、弦乐等演奏。对于已有素材,产品提供分轨分离、音频转MIDI和生成式编工等工具。
更重要的是,ACE Studio承担着专业数据积累的作用。传统音乐数据多以最终音频为主,缺乏创作决策过程。ACE通过记录创作者在制作过程中的编辑轨迹(如修改某个音符、替换和弦的原因),在用户允许的前提下,将这些高质量数据用于模型训练。
截至2026年9月,ACE Studio已积累超过300万条专业创作轨迹。这形成了一套数据飞轮:更好的模型带来更好的专业工具,吸引优秀音乐人使用,产生高质量数据,反过来进一步优化模型。
此外,ACE还在打通Agent与专业音乐软件的连接。通过MCP Server和CLI,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。用户只需说“给副歌加一组弦乐”,Agent即可调用工具完成操作。
团队与资本的双重加持
ACE的快速崛起,与其团队构成密不可分。这是一支兼具AI技术、音乐产业经验和产品能力的团队。
创始人兼CEO郭靖曾是乐队主唱,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与语音合成研发;联合创始人兼CPO Conger Sheng曾是华纳音乐签约词曲作者。首席科学家Ruibin Yuan则是音乐表征模型MERT的核心作者,此前参与过Qwen音乐模型研发,学术引用近万次。
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,成为AI音乐领域累计融资额最高的华人团队。
结语:竞争进入深水区
ACE Music登顶AA榜单,释放了一个明确信号:AI音乐市场远未定型,后来者仍有机会通过技术创新实现突破。
过去的竞争焦点是谁能生成一首完整的歌,现在的竞争已向音乐理解、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。
对于普通用户而言,这意味着AI音乐将从“抽卡式”的随机惊喜,转向更可控、更专业的创作辅助。而对于音乐行业来说,这可能是一场更深远的生产力变革。