Suno丢掉AI人声音乐榜首:ACE Music v1夺冠背后的真相与局限
更新于:
2026年11月11日,基准评测机构Artificial Analysis在X平台发文,宣布AI人声歌曲盲测基准AA-Music-Vocal v1.1迎来了新霸主:ACE Studio旗下的ACE Music v1空降榜首。而被它挤下王座的正是Suno v6——距离该基准v1.1版本于10月8日上线、Suno包揽人声与纯音乐双榜第一,才仅仅过去五周。
同日,科技媒体Decrypt也跟进发布了一篇实测体验,标题直接打出《这款全新AI音乐模型已经超越Suno》。这种说法显然需要打个问号。仔细审视数据就会发现,ACE确实拿出了真成绩,但这只是单一分类下的险胜。更何况,这家打造出该模型的团队,切入AI生成音乐的路径本就与众不同。

做歌声合成起家的团队,如今做出了整首编曲
行业里绝大多数主流AI音乐生成工具,走的基本都是“提示词驱动”路线:用户输入一段描述,模型直接输出成品音频。Suno就是凭借这套逻辑起家并建立护城河的,直到最近才开始允许音乐人引入自己的素材——2026年11月4日,Suno在创作页面新增了MIDI输入功能,让生成起点从文字扩展到了音符。
ACE Studio则完全反其道而行之。根据Artificial Analysis的介绍,其背后的开发公司成立于2018年,“起步于AI歌声合成技术”。其主力桌面端产品是一套面向音乐制作人的工作站,能将MIDI音符与歌词合成为逼真的人声演唱。开发商Timedomain在官网介绍中将ACE Studio定义为“通过MIDI与歌词生成录音室级人声”的专业工具,并透露累计融资已达2000万美元。(包括AlphaSignal在内的第三方报道指出该工作站内测始于2022年4月;至于2018年的成立时间虽见于Artificial Analysis与Decrypt,但公司官网并未专门证实。)
换句话说,这家团队在过去数年里,一直在啃AI音乐中最硬的骨头:让人类难以分辨真伪、且咬字自然的歌声。有了这一底子,他们才顺理成章地构建全曲生成与演唱大模型。根据官方模型主页信息,ACE Music v1支持输入文本描述、用户自填歌词或两者结合;它还允许在段落或单行歌词前加入括号提示词来指导唱腔,例如“轻声哼唱”或“用沙哑嗓音演唱”。
这种技术积淀与榜单战果之间的关联显而易见:一家专攻歌声合成的团队,在特别看重人声表现力的盲测榜单中拔得头筹,逻辑完全说得通。AlphaSignal同样持此观点。不过鉴于ACE尚未公开ACE Music v1的模型架构与训练细节,这一推论仍停留在合理推测阶段。
看懂榜单数据:到底赢在哪里?
以下为截至2026年11月12日,AA-Music-Vocal v1.1实时榜单的核心数据:
| Rank | Range | Model | Elo | 95% interval | Samples |
|---|---|---|---|---|---|
| 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 |

要客观看待这些分数,必须厘清这套机制的运作逻辑。根据Artificial Analysis公布的评测方法论,所有评分完全来自经过验证的受邀专家评审团所进行的成对盲听投票;公开竞技场(Music Arena)的投票数据仅作收集,不计入官方排位。评审人员每次对比由同一提示词生成的两首作品,且必须完整试听至少10秒以上才能投票,模型名称全程匿名,投完后才揭晓。
为排除音量大小对听感的主观干扰,所有音频统一标准化至-16 LUFS响度并重新编码为320 kbps MP3。分值计算基于Bradley-Terry最大似然估计,并映射至类似Elo积分的区间体系,锚定基准模型为定在1000分的MiniMax Music 3.0。在人声榜中,歌词均由模型根据提示词自主创作,因此这不仅是在考唱功,更是在考端到端的作词作曲综合能力。官方公布显示,v1.1版本的提示词库涵盖17种曲风、共计1000条提示词。
结合这些评测规则,有三个核心事实不容忽视:
领先优势完全在统计误差范围内。ACE的置信区间(1139–1181)与Suno v6(1126–1162)有着极大的重叠区域。Artificial Analysis通过全局模拟计算出的“预测排名区间(Range)”显示,ACE的实际真实位次在第1至第2名之间浮动,而Suno v6则在第1至第3名之间。无论是Decrypt还是Artificial Analysis官方都承认这一重叠。因此,所谓的“榜首”仅代表统计上概率最高的相对次序,绝非盖棺定论。
16分的Elo分差在两两对抗中微乎其微。在标准Elo体系下,16分的差距意味着高分模型在直接交锋中的期望胜率仅约52%,基本与抛硬币无异。相比之下,ACE领先Mureka V9.5的59分折合胜率约58%,而高出1000分基准线160分则对应约72%的胜率。(注:此推算基于标准400分差Elo胜率曲线,评测机构将自己的体系描述为“类Elo积分”。)
ACE的采样样本量明显少于竞品。ACE Music v1当前仅收录了2,119次投票样本,而榜单上其他模型均已突破3,000次。这也是为什么ACE的误差区间为±21,而其他模型收敛到了±18。随着后续测试样本增加,其分数上下波动的可能性依然存在。
Artificial Analysis还补充道,在细分曲风测试中,ACE Music v1在雷鬼/舞厅(Reggae/Dancehall)以及古典/管弦(Classical/Orchestral)类提示词下表现尤为亮眼。一个综合的Elo总分往往会抹平不同风格间的真实落差。ACE官方FAQ同样坦承:这一第一名“反映的是人声音乐盲听下的整体偏好,并不代表在所有具体曲风或细分功能上全面领先”。
未竟的对决:纯音乐榜单上的空白
Artificial Analysis旗下还设有另一份核心榜单:AA-Music-Instrumental v1.1(纯音乐榜),而ACE Music v1至今尚未上榜。在这份榜单上,Suno v6依然以1148分(±22)高居榜首,Suno v6-mini以1114分位列其后。
这一缺席耐人寻味,因为评测机构的官方公告明确指出ACE Music v1“支持生成含人声或纯音乐的完整音轨”。官方尚未说明ACE未收录的具体原因。按照其评测准则,模型上榜通常需达到最低投票样本阈值,且纯音乐榜要求模型具备稳定的人声去除机制。无论是样本不足还是机制要求,目前都无法对ACE妄下定论。但至少现阶段严谨的结论应当是:ACE在人声赛道拔得头筹,在纯音乐领域尚无名次。宣称ACE在AI音乐领域“全面碾压Suno”,显然脱离了事实。
实测体验:长板很长,短板同样致命
Decrypt的动手体验为冷冰冰的数据补上了质感层面的注脚。在主流曲风下,评测者认为ACE在旋律流畅度与演唱自然感上更胜一筹,鲜少出现常见的AI人声通病——如吞字不清、过度电音修音(Auto-tune)以及无意义的语气助词。更重要的是,ACE在歌曲尾部的表现明显更好:Suno常常在曲末引入突兀的异音、无意义重复或突然转调,而ACE通常能维持整体编曲结构并给出一个干净利落的收尾。写好一段副歌不难,难的是把一个音乐动机完整且有逻辑地发展三分钟。
然而偏门测试也暴露出了ACE的致命软肋。当提示词要求生成旋律死亡金属(melodic death metal)时,ACE输出的依然是甜美干净的女声,完全无法呈现该曲风标志性的极端撕裂嗓音,评测者直接批评其“将各类金属风格彻底搞混”。相比之下,Suno在驾驭硬核重型音乐时展现出了明显更高的创意上限与风格稳定性。
当然,单家媒体的主观试听难免局限,Decrypt自己也承认其实测“更偏向主观体验而非严格的对照基准”。其文中展示的样曲还是一首调侃自身公司公告的整蛊曲,作为展示无可厚非,但谈不上是客观测试。综合盲测数据与上手反馈来看,更客观的推断是:ACE在主流人声向曲风中优势突出,但一旦触及极端细分流派,这种优势就会迅速收窄甚至被反超。
从对话框到五线谱:MIDI与底层编曲逻辑
相比于冷冰冰的排位,ACE此番亮相最耐人寻味的反而是其围绕模型打造的工作流设计。在ACE Music v1生成歌曲后,用户可以直接将成品转录为MIDI并进行分轨导出,无缝导入DAW(数字音频工作站)继续精修。而随之公布的ACE Music v1.1 Preview则走得更深:模型在出声之前,会先基于ABC记谱法(一种用文本表示音高、节奏与和弦的格式)构思乐谱,再由乐谱驱动音频渲染。
这意味着创作者既可以自己哼唱一段旋律、用键盘弹奏几句,也可以直接上传MIDI文件作为生成底稿。在生成乐谱后,用户还能手动编辑旋律走向与和弦进程并重新渲染。ACE官方强调:“每次生成都相当于一次全新现场演奏,因此即使乐谱完全一致,最终的听感与音色也会有所差异。”
作为对比,Suno在11月4日推出的MIDI功能逻辑完全相反:它只是把用户输入的音符当作黑盒提示词的一部分塞进生成器中。而ACE的v1.1 Preview则把乐谱作为模型内部的显式推理中间层,并向用户开放修改权限。虽然两家公司殊途同归,都在试图把对音乐的掌控权从模糊的文字提示下拉到精确的音符层级,但技术架构完全不同(此为本文作者对比两家产品页面后的推断)。对于严肃制作人而言,这种工作流维度的演进,其分量远胜过那16分的Elo微弱差值。
封闭生态与网页端限制:创作者必须直面的现实
作为旗舰产品,ACE Music v1在工业落地上面临着相当现实的约束。Artificial Analysis直接点明:“ACE Music v1不提供API。”该模型目前仅能通过ACE Music的网页端运行。这直接带来了三重限制:
- 无法集成自动化管线。开发者无法将ACE Music v1接入自己的商业产品或批处理流程中。Artificial Analysis的方法论通常偏向通过无服务器API端点接入来开展基准测试,ACE算是一个特例——任何想要复现测试的人,都只能在网页界面上手动点按。
- 商用权益与订阅层级严格绑定。根据ACE官方公布的定价方案,免费层用户每天可领取20点额度,使用ACE Music v1生成一次需消耗4点并产出2首歌曲。但免费层生成的音频严禁用于商业用途,且后续补订付费会员亦无法追溯授权。付费订阅按年付折合每月7.90美元起,每月提供1000点额度,约合生成500首v1歌曲,与Artificial Analysis提到的“每月最多生成500首”相符。
- 开源生态中的模型完全是另一码事。ACE Studio此前联合国内AI机构阶跃星辰(StepFun)开源了ACE-Step 1.5。这是一个基于MIT协议开源权重的端侧模型,可在显存低于4GB的本地硬件上运行。但从其自身公布的技术报告来看,人工评测质量仅介于Suno v4.5至Suno v5之间,与如今排在榜首的旗舰模型整整差了一代。ACE透露“计划在2026年下半年开源ACE Music v1 Flash”,以牺牲部分音质为代价换取更快的速度和更低的硬件开销,但这目前仅停留在规划阶段,尚未正式发布。
不可回避的训练数据合规阴影
当下所有AI音乐生成榜单,都不可避免地笼罩在版权诉讼的阴云之下。Suno的侵权官司仍在发酵:2026年11月,猫王(Elvis Presley)的版权方与阿姆(Eminem)的音乐发行商联手提起了新一轮全面诉讼;不过在法律拉锯的同时,Suno也已与华纳音乐集团(WMG)达成了开创性的授权合作。在这样的风口浪尖上,任何新模型的训练数据来源都备受瞩目。
在数据合规透明度方面,ACE的表现并不完整。ACE-Step 1.5模型卡中明确写道,该开源模型是在“海量且合法合规的数据集”上训练的,数据构成涵盖“专业授权的音乐曲库”、公有领域及无版税音乐,以及通过MIDI转音频生成的合成数据。配套的技术报告也披露其标注了一个包含“2700万样本的语料库”,但并未具体列出这些音频的具体来源或授权机构。而对于真正登顶排行榜的闭源旗舰ACE Music v1,截至2026年11月12日,其模型主页、定价页面以及官网各处均未见关于训练数据集来源的明确声明。开源模型的一面之词,绝不能不假思索地直接套用到商业旗舰上。对版权合规极其敏感的企业级创作者,有必要就此向ACE官方直接核实。
别急着下结论:榜单背后的局限性
除上述具体数据外,看待这一轮排位更需要保持底层的审慎思考:
任何基准都只代表特定评委的口味。封闭评审团的审美偏好无法等同于全体大众的听感。1000条提示词、17种曲风、模型自拟歌词、时长控制在三分钟左右——这样的评测结构本身就会对部分曲风形成系统性偏好。一位重金属乐手、一位电影配乐师和一位流行乐Topliner对各曲风的权重判定绝对截然不同。
竞技场排名机制本身存在已知偏差。在学术论文《榜单幻象》(The Leaderboard Illusion)中,研究人员对开创了这种评估模式的Chatbot竞技场进行了深入解剖,指出厂商非公开的预发布测试和样本分布不均极易拉偏最终评分。尽管Artificial Analysis采用了受控专家盲测与统一生成设置来规避部分弊端,但依然无法完全干预各家模型提交版本的筛选倾向。
榜首铁王座在这个赛道从来坐不热。Suno v6在这个位置上仅仅待了五个星期。在v1.1版基准上线之初,Artificial Analysis就曾专门强调Mureka V9.5较前代暴涨51分,创下同系列迭代最大增幅。在这个迭代以天为单位的赛道里,榜单充其量只是一张即时快照,绝非定论。
这次登顶到底证明了什么?
它的确证实了一件事:在以整首人声盲测为核心的评测机制下,一家拥有深厚歌声合成积累的公司所打磨出的模型,在主流大众的整体盲听胜率上已经能与Suno平起平坐甚至微幅领先(哪怕这一优势在统计学上还很难被称为绝对显著)。它也证明了ACE在整首歌曲的宏观曲式架构以及尾奏收整上具备扎实的控制力,尽管这种能力在面对小众和极端风格时仍显乏力。
但它绝不等于ACE已经在全维度击溃了Suno。纯音乐榜单颗粒无收、人声领先在误差范围之内、缺乏API集成能力、旗舰模型训练数据语焉不详,再加上实测中Suno在多曲风上依然不可撼动的创造力,都表明Suno的综合底蕴仍在。
对于真正的音乐创作者而言,眼下最务实的做法绝不是盲信排名,而是带上自己的实际需求与乐理素材,在合规商用订阅层级下亲自盲测对比两款工具。而整个AI音乐产业释放出的更大信号则是:这门生意的重心,正在从谁能写出更有趣的“文本提示词”,不可逆转地转向谁能给音乐人提供更加精准、基于音符与工程工程级的底层掌控力。
参考来源
- Decrypt — "This New AI Music Model Is Already Better Than Suno—We Put ACE to the Test" (原文, Jose Antonio Lanz, 2026年11月11日)
- Artificial Analysis官方X账号 — ACE Music v1登顶AA-Music-Vocal v1.1榜首 (2026年11月11日)
- Artificial Analysis官方X账号 — AA-Music-Vocal v1.1与AA-Music-Instrumental v1.1正式发布 (2026年10月8日)
- Artificial Analysis — AA-Music-Vocal v1.1天梯榜(数据截至2026年11月12日)
- Artificial Analysis — AA-Music-Instrumental v1.1天梯榜(数据截至2026年11月12日)
- Artificial Analysis — AI音乐生成基准测试方法论
- ACE Music — ACE Music v1模型主页
- ACE Music — ACE Music v1.1 Preview模型主页
- ACE Music — 价格与订阅方案
- Timedomain — 公司官网
- AlphaSignal — ACE Studio旗下ACE Music v1击败Suno登顶AI音乐榜首
- GitHub — ace-step/ACE-Step-1.5
- Hugging Face — ACE-Step/Ace-Step1.5模型卡
- Gong等, "ACE-Step 1.5: Pushing the Boundaries of Open-Source Music Generation," arXiv:2602.00744
- Suno — 支持MIDI输入启动音乐创作 (2026年11月4日)
- Variety — 猫王版权方与阿姆发行商对AI音乐生成器Suno提起全新侵权诉讼
- 华纳音乐集团 — WMG与Suno达成开创性合作伙伴关系
- Singh等, "The Leaderboard Illusion," arXiv:2504.20879