别说,吐字还真挺清楚,而且从Hook开始,节奏一下就上头了,听着听着居然还有点洗脑。

一圈折腾下来,ACE Music给我留下了三个印象:

1、生成速度非常快。每一次基本不到一分钟就能同时生成两首歌,所以即便需要「抽卡」也不用等太久。

2、操作非常简单而且玩法多样。歌曲制作涉及的核心流程,基本都做成了开箱即用的工具。

3、人声表现整体比预期好,但相比外语歌曲,中文歌曲还有进步空间。

不过最后这点,ACE倒也不算个例。

直到现在,整个AI语音行业(不限于音乐)似乎都还没彻底摆脱「AI味」。

高质量歌唱数据少,歌词与声音又很难精准对齐,碰上自带声调的中文,难度还得再加一层。

这道坎,整个行业都还得继续磨…

不过话说回来,从启动音乐生成基座模型研发到登顶,这支队伍只用了18个月。

怎么做到的?

打破Suno霸榜神话,ACE啥来头?

ACE这个名字,本身就有「王牌」的意思,听起来多少有点生来就要拿第一的架势。

可如果把时间往回拨,你会发现这个故事的开头,和「一路开挂」完全沾不上边。

ACE创始人兼CEO郭靖最先听到的,是一句劝退。

在今年7月与晚点LatePost的一次对谈中,郭靖回忆,高中时第一次听到别人制作的完整歌曲,他整个人像被雷劈了一下。

原来脑子里的旋律,真的可以变成一首歌。

他当即问对方能不能教自己编曲,结果做完一轮听音测试,对方直接给出结论:

没天赋。

想学编曲,最好从小练乐器、学乐理,像他这样半路出家的,基本没戏。

这句话,郭靖信了很多年。

上大学后,他组过乐队、写过歌,也当过主唱,可一碰到编曲软件、插件和乐理,那道墙又出现了。

歌能写出来,却做不成真正的作品。

直到毕业后的一次Gap Year,他跑去硅谷,从头自学英语、高等数学、机器学习和编程,才突然反应过来:

连这些看起来高深的东西都能一点点学会,音乐创作凭什么只能属于少数人?

也许真正劝退普通人的,恰恰是那些复杂到离谱的工具。

那句「没天赋」,后来成了ACE最早的产品定义——人不该迁就工具,工具得主动来迁就人。

这条线,郭靖一走就是8年。

大城新闻网

2019年,团队推出ACE虚拟歌姬,希望让普通人也能创作音乐。

产品一度做到20万日活,随后却因某些外部压力被迫下架,好不容易跑起来,又被按下暂停键。

AI音乐头名互换!中国新贵首秀即击败Suno全球登顶(图1)

ACE虚拟歌姬里的角色之一小夜

万幸团队没有被就此打倒,他们后来发现:

留下来的用户里藏着一群专业音乐人,这些人拿ACE写Demo、改人声,真把它当生产力工具用。

于是,手机里的虚拟歌姬被拆掉重做,变成了桌面端的ACE Studio。

和面向普通人的ACE Music相比,ACE Studio是面向专业创作者的AI音乐工作台,用户可以生成人声和乐器,也能继续调整音高、咬字、情绪和编曲细节。

一个负责让普通人快速出歌,一个负责让专业音乐人慢慢细改。

AI音乐头名互换!中国新贵首秀即击败Suno全球登顶(图2)

ACE Studio产品外观

方向看起来更清晰了,现实却又泼来一盆冷水。

ACE Studio刚开始商业化时,日收入一度掉到几百美元。

团队后来干脆一头扎进北美音乐圈,跑展会、找制作人、重新研究定价和工作流,才一点点把产品救了回来。

但真正让郭靖坐不住的,还是Suno。

一句话生成一首完整歌曲,让AI音乐突然从专业工具变成了全民玩具。

郭靖后来复盘,这些年最后悔的一件事,就是没有更早下场训练音乐基座模型。

这次,他不想再错过了。

2025年3月,ACE正式启动音乐生成基座模型研发。

然后就有了文章开头那一幕:

仅仅18个月后,ACE Music v1第一次登上AA榜单,直接把Suno v6挤到了第二。

回头再看,这匹黑马看似是突然冒出,背后其实憋了整整8年。

当然,光靠创始人的一口气,还训不出全球榜一。

ACE更特别的地方在于,它像一支人员配置多少有点豪华的乐队。

郭靖当过乐队主唱,负责把产品和市场拧到一起;

联合创始人兼CPO Conger Sheng是华纳音乐中国最年轻的签约词曲作者之一,负责给产品把住音乐审美;

首席科学家Ruibin Yuan既做音乐AI研究,也当过乐队主音吉他手,主导过MERT、ChatMusician和YuE等项目。

再加上语音合成专家、联合创始人兼CTO赵文骁,以及职业制作人和大厂工程师。

这支队伍的特别之处,也就出来了:

懂音乐的人做AI,懂AI的人也真玩音乐。

两个字,专业。

而这种刻在团队里的「音乐基因」,也被写进了模型的技术路线。

大多数音乐模型接到提示词后,会直接往外生成音频,听着可以很惊艳,可一旦某个和弦、节奏或者音符不满意,用户很难伸手进去改。

ACE给出的独创解法叫Symbolic CoT,有点像大语言模型中的思维链。

ACE Music会先生成一份可编辑的乐谱,再根据乐谱生成音频。

由于音符、节拍和和弦都以符号表示,大语言模型也能看懂和修改,于是Claude这样的Agent就能自己写谱、改谱,再调用ACE Music完成歌曲。

团队就曾给Claude布置了一个任务:写一首千禧年华语经典歌曲串烧。

结果Claude自己上网研究了《晴天》《童话》《江南》等8首歌,挑出经典副歌,统一速度和调性,安排好衔接,最终写出一份88小节的乐谱,并自主调用ACE Music生成了一首5分钟的串烧。

用户甚至不用知道ACE Music怎么操作,只管说清楚想听什么,剩下的交给Agent。

Agent时代的音乐创作,大概就是这个意思。