ACE Music v1以1160分登顶AA音乐榜:这家公司用18个月打败Suno
登顶全球第一:这支AI音乐团队,凭什么用18个月打败Suno?
「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。」
这句话在业内流传已久。今年 1 月,
Suno CEO Mikey Shulman 接受专访时把它引了出来。在他看来,音乐未来的样子不只是供人聆听,每个人都可以亲自参与进来、与之互动,甚至动手创作。
也正因如此,最近两年里,AI 音乐成了科技行业跑得最快的赛道之一。
谷歌将音乐生成能力装进了 Gemini;腾讯音乐拿出面向普通创作者的「VEMUS 未音」,专业向平台 MusicBuddy 也在预热;字节跳动把海绵音乐更新到第三代;阿里这边,AI 音乐产品 HappyShrimp(快乐虾米)近期已经上线;此外,Suno、Udio、昆仑万维、MiniMax 等玩家都在密集跟进。
场面虽然热闹,Suno 的位置却一直没谁能动摇。
到 2026 年 2 月,用过 Suno 的人超过 1 亿,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,算下来每两周就相当于再造一个 Spotify 曲库。
还不止这些。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 的旗舰模型从被收录那天起就一直排在首位,从没换过主人。
这个记录最近被一家叫 ACE 的公司打破了。
该公司自研的 ACE Music v1 在 AA 音乐人声榜单上拿到 1160 分的 ELO 成绩,超过 Suno 一个多月前刚发布的最强模型 Suno v6(1144 分),排到了全球第一。
这是AA音乐榜有史以来头一回,Suno的最强模型被人拉下马;ACE Music也是第一次出现在这份榜单上。
▶ 本文含视频,请点上方「查看原文」在来源页观看。
音乐基座模型的研发从2025年3月起步,到2026年11月站上AA榜单首位,ACE前后只花了约18个月。这回登顶到底有多少分量?ACE靠的又是什么?
这个榜单,含金量有多高?
Artificial Analysis在独立AI评测机构里影响力不小,大模型、图像、视频、语音、音乐生成这些方向的技术进展,它都长期盯着。
不少Benchmark靠自动评分模型打分,AA音乐榜单不一样,用的是人的主观偏好。评测人员听到的两首作品,由两个不同模型按同一个提示词生成,他们并不知道哪首出自哪个模型,只挑自己更喜欢的那个。评测结果经过统计建模,最后换算成Elo分数。
为了少受无关因素干扰,AA还会对音频做统一的响度和格式处理,每一轮比较都要求评测人员把两首作品各听至少10秒。榜单的最终名次,来自经过验证的独立评测人员所做的大规模盲测投票;公开用户在Arena里投的票,不计入正式榜单。
AA把音乐生成划成两个独立赛道: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榜单要考察歌词创作、旋律设计、人声演绎、情绪表达和编曲整合,对模型的综合能力要求更高,参考价值也更大。眼下的排位是:ACE Music v1以1160 Elo居首,Suno v6以1144分排第二,Suno v6-mini以1132分列第三,Mureka V9.5以1101分位居第四。ACE对Suno v6的领先有16分,比第二名和第三名之间12分的差距还大。
榜单来源:https://x.com/ArtificialAnlys/status/2120337324898992298?s=20
一手实测:
AI 音乐模型到底能走到哪一步?
榜单能给出一个直观的位次,可模型真正几斤几两,还得看作品。
一首歌耐不耐听,要看人声、旋律记忆点、歌词、编曲完整度和风格还原这些方面;碰上复杂的音乐指令,模型能不能读懂创作意图,同样得靠实际生成的效果来验证。
下面就从不同曲风、复杂创作需求以及同 Prompt 下的模型对比几个角度,看看这个登上 AA 榜首的模型到底有多少真功夫。
体验链接:https://acemusic.ai/create/
和别的音乐生成工具一样,ACE Music 给了灵感模式和自定义模式两个入口。
在灵感模式里,只要写一段描述,模型就能产出一首完整的歌。
最近《后会友期》火出了圈。节目里许飞在火车上即兴写出同名主题曲,唱的是朋友之间的遗憾与真心。我们照着类似的情感主题,也试着写一首歌,送给那些从前无话不谈、后来慢慢走远、又在某个路口意外碰面的朋友。
ACE Music 做出来的这首歌,旋律抓耳,情绪一层层往上推。歌词把当年的亲近、后来的生分、久别之后又碰面都写成了画面,青春里的遗憾和成年人的放下,都听得到。
不过一首抒情歌看不出模型的音乐底子。真正要考的,是它能不能拿下风格完全不同的曲子。
那就先来一首 Funk。
Funk 这种曲子,对节奏律动和乐器之间的配合要求不低。这次出来的作品里,节奏吉他、键盘和 slap bass 彼此咬合,编曲有层次却不显得堆,听着就让人想跟着晃。
提示词:A funk track with a groovy slap bass, celebrating the most satisfying day off ever.
K-pop 女团舞曲那股味道也还原得挺准。不同声线轮着接唱,短句切换利落,低沉、带点挑衅的 Rap 段落搁进去也不别扭,整体有成熟女团大制作的样子。
再换影视交响配乐。这类音乐对动态层次特别挑,不少模型生成出来要么平得没起伏,要么一开头就猛砸。
ACE 的版本收得比较住。开头是独奏钢琴,安静,带点忧郁,弦乐随后慢慢进来,铜管和打击乐一层层往上加,最后推到气势恢宏的交响高潮,强弱对比清楚,放进正片里也不出戏。
跨模态生成这块,是最让我们意外的。
我们传了一张《花样年华》的剧照上去,让模型照着画面写一首港乐。
图片里的场景、情绪,模型都能读出来,再把这些抽象线索落到音乐主题和听觉表达上。听下来,确实有点王家卫电影的意思。
给一段随手乱弹的旋律,它也能顺势扩成一首完整的歌。
▶ 本文含视频,请点上方「查看原文」在来源页观看。
风格不合心意,一键翻唱就能直接换类型。比如把原曲改成味道浓郁、节奏舒缓的爵士。那它跟 Suno 最新模型比又如何?同一个提示词,ACE Music 和 Suno 的效果对比如下,你更中意哪一个?
▶ 本文含视频,请点上方「查看原文」在来源页观看。
视频来源:https://x.com/ArtificialAnlys/status/2120337329059713391
整体看下来,ACE Music 在风格还原、编曲完整度上相当稳。玩法多、够灵活,可用空间也大:随手玩、做个性化表达,普通爱好者能尽兴;专业向的创作尝试,它也接得住。
技术解读:
ACE 凭什么挑战 Suno?
过去的AI音乐生成走的是端到端路线:用户把文字或歌词丢进去,模型直接吐出完整音频。中间没有别的环节,用户想插手也插不上。要改一段旋律、换个和弦或者动一动节奏,只能一遍遍改Prompt,想精准定位到某个音乐元素再编辑,基本做不到。
ACE Music的做法是加一道Symbolic CoT,在生成流程里塞进一个乐谱生成环节。模型先用语言模型产出一份明文乐谱,再把它交给音乐生成模型,由后者转成完整歌曲。思路跟大语言模型「先思考,再回答」差不多:语言模型把创作意图转成结构化的音乐表达,音乐生成模型照着乐谱做声音合成。
这么设计,好处有三个。头一个是乐谱级控制。速度、律动、音符、和弦、歌曲长度这些要素,都能在乐谱里写清楚,用户可以直接编辑具体的音乐信息,在一首已有作品上反复改,不用每次都把整首歌重新生成一遍。
第二个好处,是通用语言模型的知识能直接用在音乐生成上。大语言模型训练时攒下了大量乐理知识和音乐分析能力,可端到端的音频生成架构下,它很难对连续的声音信号做结构化编辑。Symbolic CoT等于在语言模型和音乐生成模型之间架了一个中间接口,把音乐变成语言模型能读、能操作的符号信息,它那部分知识储备这才真正派上用场。
第三个好处,是给Agent介入创作打了底。乐谱是结构化文本,Agent能解析、能修改,改完再调用ACE Music完成渲染。自然语言指令因此可以驱动一整条音乐创作流程,多首歌曲的编排、改编和衔接都包括在内。
ACE团队做过一次挺有代表性的测试:让Claude Fable 5.2做一首千禧年华语经典串烧《8090 后的青春》。Claude自己去搜《晴天》《童话》《江南》等八首经典歌曲的乐谱,从中挑出最有记忆点的副歌片段。
这八首歌原本速度和调性各不相同,串烧要连贯,Claude就得把速度统一起来,重新调整各段调性,还得设计歌与歌之间的过门。最后它交出一份5分钟长、共88小节的完整乐谱,再由ACE Music生成带人声和编曲的完整作品。整个过程中,乐谱编写没有人工插手,音乐结构分析、多轨协调、创作决策这些活,全是语言模型自己完成的。
ACE的技术布局还伸到了专业音乐制作领域。
眼下 ACE 手上有两款主力产品。ACE Music 面向普通用户,文字描述、哼唱录音、键盘弹旋律、上传参考音频,几种输入方式都行;ACE Studio 则服务专业音乐人,把 AI 生成能力塞进可以反复编辑的音乐制作流程里。
在 ACE Studio 里,创作者输入 MIDI 旋律和歌词,就能生成演唱人声,音高曲线、音素、颤音、演唱情绪都能接着调。AI 乐器这块,给一段 MIDI 音符,钢琴、弦乐、萨克斯等乐器的演奏就出来了。手头已有的音乐素材也有去处:分轨分离、音频转 MIDI、生成式编曲这些工具都在,音符、歌词、编曲层次改起来不受限。
专业创作的 data 积累,也落在 ACE Studio 身上。
过去音乐数据多是最终音频,专业音乐人具体怎么做决策,很难还原——制作人为什么改某个音符、为什么换掉一组和弦、为什么留下或删掉某段 AI 生成内容,这些过程里藏着音乐结构和审美偏好的信息。ACE 的办法是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,这些数据可以拿去训练模型。
到今年 9 月,ACE Studio 攒下的专业创作轨迹已经超过 300 万条。
一个数据飞轮就这么转起来了:模型更好,专业工具就更好;工具好用,更多优秀音乐人被吸引过来;他们在真实创作里产出高质量数据,数据再回头训练模型。
Agent 和专业音乐软件之间的连接,ACE 也在继续打通。
借助 MCP Server 和 CLI,Claude、ChatGPT、Codex 等支持 MCP 的 AI 助手能接入 ACE Studio,读取并编辑正在进行的音乐工程。用户张口说一句「给副歌加一组弦乐」,Agent 就会调用相应工具把活干完。
AI 能插手的地方,正从写歌一路铺到专业制作环节。创意和审美判断留给音乐人,具体的编辑、执行交给 Agent 分担一部分。
结语
音乐基座模型的研发只用了 18 个月,还登上全球第三方榜单首位,这跟 ACE 的团队班底直接相关。
这支队伍在 AI、音乐、产品三方面都有底子。创始人兼 CEO 郭靖做过乐队主唱,产品与增长经验不少;联合创始人兼 CTO 赵文骁一直在机器学习、语音合成和音乐技术上深耕;联合创始人兼 CPO Conger Sheng 出身音乐产业,曾是华纳音乐签约词曲作者。
首席科学家 Ruibin Yuan 的履历更典型:音乐 AI 领域的老研究者,也是自幼弹吉他、在乐队里担任主音吉他手的人。音乐表征模型 MERT 他是核心作者,早前还参与过 Qwen 音乐模型研发,Google Scholar 学术引用接近一万次,在音乐生成方向的研究者里排在全球前列。
做技术研究的、做专业音乐的、做产品的凑到一处,ACE 从起步阶段就把模型能力和真实创作需求放在一起考虑。
资本同样在这条路上加码。2026 年 9 月,ACE 拿下近 4000 万美元的新一轮融资,成为 AI 音乐领域累计融资额最高的华人团队。
ACE Music 这次冲到 AA 榜单第一,至少说明一件事:AI 音乐市场还没定型,后来者靠技术创新照样能撕开口子。
早前比的是谁能把一首歌完整生成出来,如今较量已经转向音乐理解、精细化编辑和专业制作。往后,模型得读懂乐谱,Agent 得进入创作过程,专业工具得接进真实的音乐生产流程。这些环节谁能真正串起来,谁就更有希望攒下长期优势。