Suno pierde el trono vocal en IA musical: qué significa realmente el asalto de ACE Music v1 (y qué no)
Actualizado:
El 11 de noviembre de 2026, Artificial Analysis anunciaba en X un giro inesperado en su benchmark AA-Music-Vocal v1.1: un nuevo aspirante irrumpía directo al número uno de las pruebas a ciegas de canciones con voz generadas por IA. Se trataba de ACE Music v1, desarrollado por ACE Studio. El modelo desbancado no era otro que Suno v6, que venía liderando ambas tablas de música desde su estreno en versión v1.1 el 8 de octubre, apenas cinco semanas atrás.
Ese mismo día, el medio Decrypt lanzaba una prueba a fondo bajo un titular contundente: «This New AI Music Model Is Already Better Than Suno» («Este nuevo modelo de música por IA ya supera a Suno»). Sin embargo, una afirmación de semejante calibre exige lupa técnica. Aunque las cifras reflejan un avance real, su alcance es bastante acotado y se ciñe a una sola categoría. Además, la trayectoria de la compañía responsable resulta atípica dentro del ecosistema de generación musical.

De sintetizar voces a componer temas completos
La inmensa mayoría de generadores musicales de IA se construyeron sobre la premisa del prompt: introduces una descripción y obtienes una pista terminada. Suno cimentó su producto en torno a ese flujo y apenas acaba de empezar a abrir la puerta al material propio de los músicos: el 4 de noviembre de 2026 incorporó entrada MIDI en su interfaz de creación, permitiendo que una canción arranque tanto de notas del usuario como de una orden textual.
ACE Studio recorrió el camino inverso. Según Artificial Analysis, la empresa nació en 2018 centrada originalmente en la síntesis de voz cantada mediante IA. Su buque insignia de escritorio es una estación de trabajo pensada para productores que convierte notas MIDI y letras en pistas vocales interpretadas. Su desarrolladora, Timedomain, describe ACE Studio como una herramienta capaz de «crear voces con calidad de estudio a partir de MIDI y letras», con una recaudación acumulada de 20 millones de dólares. (Fuentes externas como AlphaSignal fechan la beta cerrada de la workstation en abril de 2022. La fecha fundacional de 2018 proviene de Artificial Analysis y Decrypt, aunque los canales oficiales de la firma no la especifican).
En la práctica, la compañía dedicó años al obstáculo más espinoso para cualquier máquina: emular una voz humana creíble capaz de articular letras con naturalidad. Solo con esa base resuelta se lanzó a crear un modelo que compone e interpreta canciones completas. En su página oficial, ACE Music v1 admite indicaciones en texto, letras aportadas por el usuario o una combinación de ambas. También procesa matices interpretativos entre paréntesis —como «hum softly» (tararear suavemente) o «sing with a raspy voice» (cantar con voz rasgada)— situados antes de una estrofa o de un verso concreto.
Resulta lógico vincular ese bagaje técnico con el desempeño obtenido: un modelo creado por especialistas en síntesis vocal acaba de coronar un benchmark enfocado precisamente en temas cantados, una conclusión que comparte AlphaSignal. Con todo, la relación causal sigue perteneciendo al terreno de la deducción, ya que ACE no ha hecho públicos la arquitectura ni los pormenores del entrenamiento de ACE Music v1.
Radiografía de la tabla de clasificación
Esto reflejaba el ranking en vivo de AA-Music-Vocal v1.1 a fecha del 12 de noviembre de 2026:
| Puesto | Rango | Modelo | Elo | Intervalo 95% | Muestras |
|---|---|---|---|---|---|
| 1 | 1–2 | ACE Music v1 | 1160 | 1139–1181 | 2.119 |
| 2 | 1–3 | Suno v6 | 1144 | 1126–1162 | 3.063 |
| 3 | 2–3 | Suno v6-mini | 1132 | 1114–1150 | 3.175 |
| 4 | 4 | Mureka V9.5 | 1101 | 1083–1119 | 3.141 |
| 5 | 5–6 | Mureka V9 | 1063 | 1045–1081 | 3.121 |

Para contextualizar estos registros hay que remitirse a su metodología oficial. Las puntuaciones proceden exclusivamente de votaciones a ciegas por parejas a cargo de un panel privado validado; los votos públicos de su Music Arena se recopilan, pero no computan. Quienes evalúan escuchan dos cortes generados a partir de un mismo prompt y deben reproducir un mínimo de 10 segundos de cada uno antes de poder emitir su veredicto. Los nombres de los modelos permanecen ocultos hasta completar la elección.
Para evitar que el volumen condicione al oyente, cada pista se normaliza a −16 LUFS y se recodifica en MP3 a 320 kbps. El cálculo se efectúa mediante estimación por máxima verosimilitud de Bradley-Terry escalada a un rango tipo Elo, tomando como referencia fija los 1000 puntos de MiniMax Music 3.0. En el panel vocal, el propio sistema redacta la letra a partir del prompt, convirtiendo la prueba en un examen de composición integral de principio a fin, no en un test de interpretación de textos ajenos. Según el anuncio de lanzamiento, el banco v1.1 engloba 1.000 prompts repartidos en 17 géneros.
De estos criterios se desprenden tres conclusiones clave:
La ventaja entra dentro del margen de error. El intervalo de ACE (1139–1181) se solapa notablemente con el de Suno v6 (1126–1162). La columna «Rango» calculada por Artificial Analysis sitúa a ACE entre el primer y el segundo puesto, y a Suno v6 entre el primero y el tercero. Tanto Decrypt como Artificial Analysis reconocen esta coincidencia estadística: ese flamante «#1» responde al orden más probable, no a una sentencia definitiva.
Una brecha de 16 puntos Elo es mínima en un cara a cara. En una escala Elo estándar, 16 puntos de distancia equivalen a una probabilidad de victoria para el mejor valorado de alrededor del 52%: casi tirar una moneda al aire. La ventaja de 59 puntos de ACE sobre Mureka V9.5 supone cerca del 58%, y sus 160 puntos frente a la referencia de 1000 se traducen en un 72% aproximado. (Estimación propia partiendo de que el reescalado de Artificial Analysis sigue la curva logística habitual de 400 puntos, si bien la firma cataloga su métrica como «similar a Elo»).
ACE acumula menos votos que sus rivales. Con 2.119 muestras registradas frente a las más de 3.000 de los demás contendientes, el intervalo de ACE Music v1 es de ±21 frente al ±18 del resto. Conforme se sumen más comparativas directas, su registro podría variar en cualquier sentido.
Asimismo, los datos de Artificial Analysis indican que ACE Music v1 rindió especialmente bien en prompts de Reggae/Dancehall y Classical/Orchestral. Un índice Elo agregado difumina esas variaciones por estilo, tal y como admite la propia sección de preguntas frecuentes de ACE: la condición de número uno «refleja preferencias de escucha a ciegas para música vocal, no clasificaciones separadas por género o funcionalidad».
La otra mitad del pastel: los temas instrumentales
En el segundo panel de referencia, AA-Music-Instrumental v1.1, ACE Music v1 ni siquiera figura. Dicha tabla la encabeza Suno v6 con 1148 (±22), escoltado por Suno v6-mini con 1114.
La ausencia llama la atención dado que el propio comunicado de Artificial Analysis afirma que ACE Music v1 «genera pistas completas con voz o instrumentales». La entidad evaluadora no ha detallado la causa de esta omisión. Su reglamento estipula que un sistema solo entra en lista tras alcanzar un volumen mínimo de votos y que el apartado instrumental exige un mecanismo fiable para silenciar pistas vocales. Cualquiera de los dos requisitos podría explicarlo, aunque ninguno se ha confirmado oficialmente. Por ahora, el dato estricto es que ACE lidera el apartado vocal y carece de registro instrumental; afirmar que «supera a Suno» a nivel global en producción musical sería sencillamente inexacto.
La prueba de campo: aciertos evidentes y límites claros
El análisis práctico de Decrypt aporta el matiz cualitativo indispensable. En registros convencionales, el medio destacó que las melodías de ACE se perciben más cohesionadas y la interpretación vocal suena más natural, esquivando tropiezos habituales de la IA como palabras inteligibles a medias, exceso de auto-tune o sílabas de relleno. También valoró su solvencia para rematar canciones: mientras Suno incurría en ruidos parásitos, repeticiones o volantazos cerca del cierre, ACE sostuvo la progresión hasta un final limpio. Construir un estribillo pegadizo es relativamente asequible; sostener una idea musical coherente durante tres minutos resulta mucho más complejo.
Ahora bien, la prueba también destapó tropiezos evidentes. Ante una petición de death metal melódico, ACE devolvió una voz femenina limpia y dulce en lugar del registro rasgado característico del género, llegando a «confundir subgéneros del metal por completo». En terrenos de corte agresivo, Suno respondió con mayor creatividad y consistencia estilística.
Las pruebas en un único medio tienen límites metodológicos evidentes, algo que la propia Decrypt reconoce al definir sus conclusiones como «subjetivas y no un benchmark controlado». El tema de muestra que comparten trata sobre un anuncio corporativo del propio medio, lo que sirve para ilustrar el producto pero no como examen neutral. Cruzando el test con el ranking, la lectura resulta equilibrada: ACE se muestra muy sólido en estructuras comerciales con protagonismo vocal, pero su ventaja se reduce o desaparece en cuanto nos desplazamos a géneros más extremos.
Del cuadro de texto a la partitura: la vía del MIDI
Más allá de las tablas de clasificación, el aspecto más prometedor del despliegue de ACE radica en su flujo de trabajo. Tras procesar un tema en ACE Music v1, la herramienta permite exportarlo a MIDI y desglosarlo por pistas (stems) para continuar la producción dentro de un DAW. La versión previa ACE Music v1.1 Preview va un paso más allá: redacta primero la partitura en notación ABC —un estándar de texto para tono, compás y armonías— y sintetiza el audio directamente a partir de esa estructura.
Esto permite a cualquier usuario tararear una melodía, tocarla en un teclado o subir un archivo MIDI como punto de partida, para luego retocar notas y acordes antes de regenerar. Como aclara la compañía, «cada generación es una interpretación nueva, por lo que el audio puede variar incluso manteniendo idéntica la partitura».
La incorporación de MIDI por parte de Suno el 4 de noviembre opera a la inversa: toma las notas del creador y las inyecta en un motor concebido para prompts. En cambio, ACE Music v1.1 Preview concibe la partitura como una fase de planificación interna editable por el usuario. Dos filosofías que convergen hacia un mismo destino: permitir que los músicos tomen las riendas de la composición a nivel de notas y no solo mediante frases descriptivas. (Interpretación del autor a partir de la documentación de ambos productos). Para quienes producen profesionalmente, este viraje técnico tiene mucho más peso práctico que una diferencia testimonial de 16 puntos Elo.
Sin API y bajo su propia app: implicaciones para creadores
El despliegue de este modelo conlleva importantes barreras operativas. Artificial Analysis recalca explícitamente que «ACE Music v1 no dispone de API». El motor funciona de forma exclusiva dentro de la aplicación web de ACE Music, con tres consecuencias inmediatas:
- Sin integración en pipelines. Quienes programan no pueden embeber el modelo en sus propias aplicaciones ni procesar flujos en lote. Dado que Artificial Analysis evalúa casi siempre sistemas accesibles mediante endpoints de API serverless, el caso de ACE es atípico: verificar su comportamiento obliga a interactuar manualmente con su interfaz.
- Los derechos comerciales dependen de la suscripción. Según su página de precios, la modalidad gratuita concede 20 créditos diarios, consumiendo cada generación en ACE Music v1 un total de 4 créditos por cada dos temas. Las pistas generadas en esta cuenta carecen de derechos de explotación comercial, sin posibilidad de regularizarlas a posteriori pagando una suscripción. Los planes de pago parten de 7,90 dólares mensuales (con facturación anual) por 1.000 créditos al mes, lo que equivale a unas 500 canciones con v1, en consonancia con la cifra de «hasta 500 canciones mensuales» citada por Artificial Analysis.
- El modelo de código abierto es otro desarrollo distinto. ACE Studio y el laboratorio de IA chino StepFun colaboran en ACE-Step 1.5, una arquitectura de pesos abiertos con licencia MIT ejecutable en local con menos de 4 GB de VRAM. Su correspondiente informe técnico sitúa su nivel de calidad humana entre Suno v4.5 y Suno v5, lo que la deja a una o dos generaciones por detrás del líder del benchmark. La empresa ha manifestado que «planea liberar el código de ACE Music v1 Flash a finales de 2026», una variante más liviana que sacrifica fidelidad a cambio de menor demanda de hardware, aunque hoy por hoy es solo una promesa sobre el papel.
La gran incógnita de los datos de entrenamiento
Cualquier comparador de música generativa convive hoy con un escenario judicial complejo. Suno acumula litigios: en noviembre de 2026, los titulares de los derechos de Elvis Presley y la editora de Eminem interpusieron nuevas demandas contra la plataforma, pese a que la compañía ha cerrado un acuerdo estratégico de licencias con Warner Music Group. En este entorno, la procedencia del material de entrenamiento es un asunto de primer orden.
En el caso de ACE, la información accesible resulta insuficiente. La ficha técnica de ACE-Step 1.5 señala que su versión abierta se nutrió de un «dataset masivo y jurídicamente conforme» compuesto por «pistas licenciadas a nivel profesional», temas de dominio público, obras libres de derechos y audio sintético generado por conversión de MIDI a audio. Su informe detalla el etiquetado de un «corpus de 27 millones de muestras», pero no desglosa procedencias concretas ni titulares de las licencias. En cuanto a ACE Music v1, el modelo cerrado que lidera la tabla, a fecha del 12 de noviembre de 2026 no constaba declaración alguna sobre datos de entrenamiento en su web, catálogo ni tarifas. No cabe atribuir al modelo comercial las condiciones del desarrollo abierto: si la trazabilidad legal es una prioridad, la recomendación pasa por consultar directamente con ACE.
Motivos para mantener la cautela
Conviene ponderar el hito atendiendo a tres condicionantes estructurales:
Los benchmarks reflejan únicamente el criterio de sus evaluadores. Las preferencias de un panel seleccionado no representan a la totalidad de los oyentes. La selección de partida (1.000 prompts, 17 géneros, lírica automatizada y piezas de unos tres minutos) favorece determinadas estructuras por encima de otras; un productor de metal, un compositor audiovisual o un letrista de pop ponderarían los resultados de forma dispar.
Las clasificaciones tipo arena arrastran sesgos conocidos. En la investigación «The Leaderboard Illusion», un equipo de investigadores analizó la arena de chatbots que popularizó este sistema y documentó cómo el testeo previo y el muestreo dispar pueden distorsionar las posiciones. Artificial Analysis amortigua estos factores mediante un panel cerrado y parámetros homogéneos, pero sigue sin poder controlar qué versiones específicas decide remitir cada proveedor.
El número uno es un trono efímero. Suno v6 se mantuvo en lo más alto apenas cinco semanas. En el estreno de la versión v1.1, la propia Artificial Analysis destacó la subida de 51 puntos de Mureka V9.5 respecto a su versión anterior como el mayor salto visto en una misma familia de modelos. Esta tabla fotografía un momento concreto en una carrera de ritmo vertiginoso, nunca un veredicto definitivo.
Qué demuestra realmente este resultado
El veredicto constata que, en una cata a ciegas con canciones vocales completas generadas de forma íntegra por software, un equipo especializado en voz sintética ha logrado pistas que los evaluadores prefieren ligeramente por encima del modelo de referencia de Suno, con una distancia estadística que el propio benchmark no puede catalogar de concluyente. Asimismo, confirma la solidez de ACE a la hora de resolver la estructura y el cierre de los temas, una virtud que no se traslada con la misma eficacia a todos los estilos musicales.
Lo que en ningún caso demuestra es que ACE supere a Suno de forma integral. No compite en la categoría instrumental, su ventaja vocal cabe dentro del margen de error, carece de API de desarrollo, mantiene en opacidad sus datos de entrenamiento y las pruebas prácticas de Decrypt identificaron géneros donde Suno exhibe una superioridad incontestable.
Para quienes crean música, la conclusión práctica es directa: conviene probar ambos motores con proyectos propios y bajo la modalidad de suscripción que garantice los derechos de uso requeridos. Para la industria, el mensaje de fondo es inequívoco: la verdadera pugna de la IA musical ya no radica en quién ofrece la mejor caja de texto, sino en quién proporciona a los creadores mayor control sobre cada nota.
Fuentes
- Decrypt — "This New AI Music Model Is Already Better Than Suno—We Put ACE to the Test" (artículo original, Jose Antonio Lanz, 11 de nov. de 2026)
- Artificial Analysis en X — ACE Music v1 debuta en el #1 de AA-Music-Vocal v1.1 (11 de nov. de 2026)
- Artificial Analysis en X — lanzamiento de AA-Music-Vocal v1.1 y AA-Music-Instrumental v1.1 (8 de oct. de 2026)
- Artificial Analysis — Clasificación AA-Music-Vocal v1.1 (datos a 12 de nov. de 2026)
- Artificial Analysis — Clasificación AA-Music-Instrumental v1.1 (datos a 12 de nov. de 2026)
- Artificial Analysis — Metodología de benchmarking para generación musical
- ACE Music — Ficha del modelo ACE Music v1
- ACE Music — Ficha de la vista previa de ACE Music v1.1
- ACE Music — Precios
- Timedomain — Web corporativa
- AlphaSignal — ACE Studio's ACE Music v1 Beats Suno to Top AI Music Leaderboard
- GitHub — ace-step/ACE-Step-1.5
- Hugging Face — Ficha de modelo ACE-Step/Ace-Step1.5
- Gong et al., "ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation," arXiv:2602.00744
- Suno — Start Songs with MIDI (4 de nov. de 2026)
- Variety — Elvis Music Owners, Eminem Publisher File Sprawling New Lawsuits Against AI Music Generator Suno
- Warner Music Group — WMG and Suno Forge Groundbreaking Partnership
- Singh et al., "The Leaderboard Illusion," arXiv:2504.20879