11月11日,Artificial Analysis的AA-Music-Vocal榜单换了一个第一名。登顶的是ACE Music v1,得分1160,被它超过的是Suno v6的1144。对多数人来说,ACE Music是个陌生名字,但做音乐的人对它的母公司不陌生:ACE Studio,那款做AI歌声合成的桌面软件,在虚拟歌手与demo制作圈子里已经用了好几年。这条消息的分量不在谁第一,而在于一个从工具侧长出来的团队,第一次在人声这条最难的赛道上跑到了榜前。
先把数字拆清楚。这套榜单采用盲测成对投票:评测者听到同一提示词生成的两段音频,在不知道作者的情况下选出更喜欢的一段,再用Elo体系折算成分数,MiniMax Music 3.0被钉在1000分作为锚点。
ACE Music v1的1160分附带正负21的误差区间,95%置信区间是1139到1181,样本量2119;Suno v6的1144分误差是正负18,样本3063,排名范围1到3。两个区间是重叠的,ACE的样本量还比对手少了约三分之一。榜单自己也把它标成并列第一到第二,而不是独占第一。
所以更准确的结论是:ACE Music v1进入了第一梯队,与Suno v6并列领跑,但还没有拉开距离。把它读成"新王登基"会过度解读,把它读成"国产模型追平国际一线"则大致成立。这个区别对判断行业格局很重要,因为一个真正拉开差距的领先,通常会表现为区间不重叠且样本量相当。
更容易被忽略的细节是榜单的划分。这套评测目前分出人声与器乐两条榜,ACE Music v1只在唱功榜上榜,器乐榜还没进,那边仍由Suno v6以1148分领先。
这个分裂很符合两家公司的出身。ACE Studio的核心技术一直围绕歌声合成:怎么让机器唱出人的咬字、气息、颤音与情绪,怎么把歌词映射到音符上还保持自然。这套能力迁移到文生音乐,最强的部分自然是人声轨。
而Suno的强项是整首作品的编排:段落结构、配器层次、混音平衡、风格一致性。一首歌好不好听,人声只占一半,另一半是编曲。所以ACE拿下唱功榜第一,说明它在最难模仿的那一环追了上来,但不代表它已经能独立完成一首完整的、可以直接发的作品。
从产品功能上也能看出这个取向。ACE Music的输入方式包括文本、用户自己的词、MIDI文件,还可以在浏览器键盘上弹几个音或者直接对着麦克风哼一段旋律,模型围绕这段旋律编出完整曲子。这个入口设计明显是给已经有旋律想法的人用的,而不是给只想听个响的人用的。
ACE Music的定价结构值得单独看,因为它把权利和价格绑在了一起。免费档每天20个额度,最多做10首歌,不能下载,不能商用;创作者档按年付折算每月7.90美元,每月1000额度约500首歌,可以无限下载,附带商用权;艺术家档每月16.58美元,2500额度约1250首歌,还包含完整的ACE Studio软件、AI人声、AI乐器与插件支持。
这套结构里最关键的是第二档。免费档不给商用权,意味着所有想拿去用的作品都必须付费,这是把"能听"和"能用"分开的常见做法。而第二档每月不到八美元就给商用权,价格压得很低,目的显然是先把创作者圈进来。
第三档卖的不是更多歌曲,是工具。把DAW、人声合成、插件一起打包,等于告诉专业用户:生成的歌可以拿进软件里继续改,改旋律、换和声、重录人声。这个组合是ACE的独特位置,因为多数文生音乐公司没有桌面端工具链,它们的产出是成品,不是工程文件。
同一套产品里还挂着一个开源模型,叫ACE-Step v1.5 XL,40亿参数的扩散变换器架构,由ACE Studio与StepFun联合推进。它不消耗额度,可以免费下载MP3,商用权也包含在内。
一家公司同时提供闭源旗舰与开源备选,这个安排在音乐生成领域还不多见。逻辑上它解决两个不同的问题:闭源模型保证效果上限,是收入来源;开源模型保证生态与信任,是获客入口。研究人员、独立开发者、需要审计训练数据的机构,会先被开源版本吸引,其中一部分最终会为效果付费。
这也有防御意义。当开源社区手里有一个能跑、能改、能商用的模型,闭源厂商就很难靠"我们独家能做"来维持溢价,只能靠"我们做得更好"来竞争。这是一种自我加压的策略,短期让利,长期逼着自己跑快。
评测榜能测的是偏好,测不了工作流。真正决定一个音乐模型能不能被用起来的,往往是三件很小的事:一次能不能给出两个版本供挑选,分轨能不能干净地拆开,生成的结果能不能进已有的制作流程。
ACE Music在这三点上都有安排。每次请求返回两个版本并自动进素材库;提供分轨分离功能;还有图生歌、翻唱风格迁移、两段参考混成一首这类工具。这些功能不上榜,但它们决定了一个人用完第一次之后还会不会回来。
行业走到今天,人声质量的差距正在缩小,剩下的是工程细节的竞争。能让创作者少点几次鼠标、少导几次文件、少返工几遍的一方,更容易留住人。分数决定第一次尝试,流程决定长期留存。