AI 音乐模型
最好的音乐模型每隔几周就会换，所以死绑在一个上很被动。这些是我们跟踪的 28 模型——各自真正拿手的点、会掉链子的地方，以及它的许可允许你对输出做什么。
跑分前先读许可
两款最知名的开源模型都不能用来制作你拿去卖的东西。 MusicGen 是 CC BY-NC — 限制附着在输出上，所以自建部署也没用 — 而 Stable Audio Open 随社区许可发布，并不是通用的商业授权。团队常常在搭完才发现。 ACE-Step 和 YuE 是 Apache 2.0，这又是另一种情况。模型许可和训练数据来源是两回事，这些都不是法律建议。
30 秒找到适合你的模型
所有歌曲模型都拿它的人声当标尺。
Weights: see page
- 输出
- 带人声的完整歌曲
- 基础时长
- ~4 分钟，可延长
- 采样率
- 44.1 kHz（顶级方案为 48 kHz）
- 权重
- 闭源
- 最像真人的人声表现
- 真实的歌曲结构，不是循环段落
- 首次生成命中率很高
含人声的完整歌曲
歌词、旋律、编曲和演唱一次完成。
Suno v5
Suno
所有歌曲模型都拿它的人声当标尺。
Udio
Udio
让你在第一版之后还能继续编辑的歌曲模型。
Google Lyria 3
Google DeepMind
DeepMind 的歌曲模型，通过 Google 分发，而不是直接售卖。
ElevenLabs 音乐
ElevenLabs
让你先定结构再写的歌曲模型。
MiniMax Music 2.5
MiniMax
完整歌曲，单次成本仅为高端档的一小部分。
MiniMax Music 1.5
MiniMax
用参考片段而不是文字描述来做风格引导。
MiniMax Music-01
MiniMax
草稿用的模型——够快够便宜，方便你边想边出声试。
Mureka
昆仑万维
API 优先的歌曲生成，版本更新快得反常。
Riffusion
Riffusion
从声谱图实验长成的歌曲平台
我们怎么用这些
MusicGenerate 的架构是跨模型路由，不是押注一个。上面的目录是我们跟踪和评估的对象；任何时刻产品里接入了哪些模型是另一回事，答案会随行业变化而变。每页的数据都带有验证日期，因为这个品类的基准三个月就会过时。
内页
我们跟踪的模型和平台
对比输出质量、你能操控到什么程度、以及许可到底允许什么。
1 / 5
商业使用权才是真正的分水岭
两套模型听起来可能差不多，但能不能发布结果却截然相反。这是第一个该问的问题，不是最后一个。
开放权重不等于开源许可
可下载的模型也可能带非商业条款。自托管不改变许可允许的范围。
规格跑得比文章快
每条目都会标注核验日期。看上去是新的、其实过时的，比坦承过时的更糟。
我们会公开限制
没有“限制”一节的模型页只是宣传册。大家找的正是那些限制。
浏览
浏览目录
常见问题
最好的 AI 音乐模型是哪一个？
看活儿。Suno 的人声真实度领先，Udio 擅长生成后的编辑，ElevenLabs 在结构控制上更强，Stable Audio 在伴奏质感和自托管上占优，AIVA 提供可编辑的 MIDI。
哪些 AI 音乐模型能在本地跑？
Stable Audio Open、ACE-Step、YuE、MusicGen、MAGNeT、DiffRhythm 都有开放权重。许可证差别很大——ACE-Step 和 YuE 用 Apache 2.0，其他的会限制商业部署。
模型和平台有什么区别？
模型是生成音频的系统；平台是把一个模型包起来的产品。Suno 和 Udio 是平台，模型是闭源的；MusicGen 是你能自己跑的模型。
开放权重的音乐模型可以商用吗？
只有一部分可以。Apache 2.0 的可以直接商用；不少研究许可不行。许可证只管权重，不涉及训练数据，那是另一层风险。
哪个模型的人声最真实？
现在是 Suno v5 定了标尺——呼吸、颤音、动态句法是“演出来的”，不是凑出来的，这是本目录里任何模型最明显的单项优势。
这个目录多久更新一次？
每条目都带有最近校验日期。这个领域变得很快，几个月前的规格都值得再去对一下厂商。