十一月四日，Suno在Create页面开放了MIDI文件上传。拖一个音符文件进去，再写一句描述声音的提示词，它就把你写的音高与时序变成一首完整的曲子。此前这个能力只存在于每月二十四美元档的工作站产品里，如今八美元的Pro档也能用。改动看着不大，意味深长：创作起点从一句话，变成了你自己写下的那串音符。
MIDI里没有声音，只有指令：哪个音、什么时候响、响多久、力度多大。同一份文件交给钢琴就是钢琴，交给小号就是小号。正因为它不含音色，才成了描述音乐结构最精确的通用格式。
文本提示描述的是感觉，MIDI描述的是事实。想要一段深夜、松弛、刷鼓的爵士，模型给你的可能是一段很好听但旋律完全不同的东西；把旋律写成音符再交过去，至少骨架是你定的。这是生成式音乐第一次能在一个可验证的层面上接受人的输入。
格式本身也有余量。官方说明里，一个文件最多容纳十六个通道的音高与时序数据，每个通道还能带一百二十条控制器车道，用来表达颤音、音量、延音这类细节。对写完整编曲的人来说，这个容量够用；对只想哼一段主旋律的人来说，一条轨道也够。
这也顺带解释了为什么音乐行业一直没放弃这个看起来古老的格式。它体积小、可编辑、任何宿主软件都认，四十年过去仍然是唯一被所有人接受的交换标准。生成模型愿意接它，等于接上了整个行业的既有工作流。
这项能力八月就随工作站版本上线过，但那时锁在最高档订阅里。工作站是一个有时间线、能录音、能编辑音符的工作环境，适合把一首歌拆开一段段磨的人。Create页面是大多数人真正做歌的地方，简单、快、一次出成品。
把MIDI搬到Create，改变的是用户结构。原来只有愿意付二十四美元、并且愿意学一套时间线操作的人用得上，现在八美元档的业余作者、教师、学生都能碰。工具的下沉往往比能力的提升更能改变使用规模，这一点在图像与写作工具上都验证过。
代价是控制粒度变粗。Create只有一次生成，没有中间编辑，MIDI给的是起点，最终的编曲、演奏、混音全部交给模型。想要逐段调整，还是得回到工作站。两条路径对应两种人：一种要快，一种要可控。
定价上还有一个细节值得留意。两个档位的倍数是三倍，但功能差距在缩小，这给订阅设计提了一个问题：当最贵档的独占能力一件件下放，它靠什么留住用户。目前看答案是工程能力与可编辑性，而不是生成质量。
上传之后最关键的一步是写提示词。官方给了三种典型用法：把这份MIDI编成管弦乐，加弦乐、铜管、木管与打击乐；把它改成福音合唱加钢琴伴奏；或者编成弦乐四重奏，并且要求音符与和弦进行完全按文件里的来。
第三种的第二句才是关键。前半句说编制，后半句说遵从程度。少了后半句，模型会把你写的旋律当成灵感，改成它觉得更顺耳的走向；加上后半句，它才会把音符当成约束。这个差别在成品上非常明显，也是新手最容易踩的坑。
官方还提醒了两件事：一是要点名乐器，因为文件只告诉它弹什么，提示词才告诉它用什么弹；二是除了流派还要描述质感，比如深夜、松散、刷鼓，比单写爵士更容易得到想要的效果。这些都是提示词工程的常识，放在音乐上格外重要，因为音乐里差不多和就是它之间的差距极大。
上线时这项功能只在简单模式下可用，跑的是v6系列里偏实验的那一版模型。官方的说法是首版，后续会逐步扩展到更多模式与模型。这句话翻译过来就是：现在能跑通，但稳定性还没到生产级。
实验性模型的特点是创造力强、服从性弱。同样一份MIDI，跑三次可能得到三种差别不小的编曲。对做小样、找灵感的人是好事，对需要交付确定结果的人是麻烦。想要稳定，就得等后续把能力铺到更成熟的模型上。
另一个边界是格式本身。MIDI能表达音高、时长、力度，表达不了音色、演奏法与空间感。这些恰恰是成品好听与否的关键部分，仍然完全由模型决定。所以这条路给的是结构控制，不是成品控制，把它当成我写谱、AI演奏更准确，当成我决定一切会失望。
十六个通道这个数字也有实际含义。真实的管弦乐总谱动辄二三十个声部，十六轨意味着必须合并，比如把三支小号并成一轨，代价是失去独立性。对流行、电子、民谣这些编制简单的风格够用，对大编制作品就紧了。这是首版的硬约束，而不是产品选择。
这项功能真正的意义，是把一批过去被生成式工具排除在外的人拉回来了：会写旋律但不会编曲的人、有半成品工程但缺配器的人、教乐理想让学生听到总谱效果的人。他们不需要模型替他们作曲，只需要一个能按谱演奏的乐团。
但工作流还没闭环。生成出来的是一段音频，不是分轨，也不是可继续编辑的工程文件。想改一个乐器的音量、换一段鼓的节奏，仍然要回到工作站或者外部软件。从谱子到成品之间，还缺一步可编辑的中间层。
版权层面也有新的灰区。旋律由人写、编曲由模型生成，权利怎么划分在现行规则里没有现成答案。平台条款通常把生成结果的使用权授予付费用户，但“谁算作者”这件事仍然悬着。这个问题在音乐行业比在图像行业更敏感，因为它牵扯到版税分成。
接下来值得观察的是两件事：MIDI输入会不会铺到更多模型与模式上，以及生成结果能不能导出成结构化的分轨。前者决定它是不是一次性功能，后者决定它能不能进真正的制作流程。对做音乐的人来说，第二个问题更重要，因为能不能改，比一次做得多好更影响日常使用。