Suno 发布 v5 音乐模型：人声质感大升级，先向付费用户开放

如果你这几年试过用 AI 搓一首歌，大概很熟悉那种塑料感：吉他、贝斯和人声全糊在一块，像把几个廉价 MP3 叠放一起播放。

Suno 上线了全新的 v5 模型，先面向 Pro 和 Premier 付费订阅会员开放。这家一边被各大唱片公司起诉侵权、一边疯狂迭代工具的明星初创公司，这次交出的答卷在硬指标上确实有了明显跃升。

混音更干净，但人声太完美反而假了

听过上一代 v4.5+ 的人，一耳朵就能听出 v5 的底噪更少，乐器之间的分离度做得非常干脆。

在 The Verge 的现场演示中，Suno 产品经理 Henry Phipps 指出一段合成器旋律里带出了类似乒乓延迟的立体声效果。因为 Suno 并不是在轨道上挂效果器插件，这说明模型已经学会识别特定乐器，并在立体声场里模拟出空间反射。

编曲能力也肉眼可见地变聪明了。以前的模型基本只会死板的“主歌接副歌”，新模型会自己加入预副歌、后副歌甚至多段渐进的桥段，曲子听起来有了层层递进的弧度。

但问题恰恰出在它太“聪明”了。

v5 的人声几乎没有任何瑕疵，音准完美无缺，浑身裹满了精致的混响和厚实的多轨合唱。哪怕你在提示词里写明“不要混响、唱跑调一点”，模型也完全不管你。

Phipps 坦承，模型目前还做不出真人表演里那些独特的瑕疵。Suno 甚至悄悄改掉了早期的宣传口径，把原本承诺的“情绪充沛、类人情感深度”删掉，换成了更务实的“自然、真实”，并把这种变化解释为“风格取舍”。

会搞复杂编曲，却摸不透复古味道

除了把人声修得太满，v5 对小众和年代风格的理解也显得有点飘忽。

测试中如果给它输入“90 年代初 4 轨卡带录制的低保真独立摇滚”，原本想要的是 Pavement 那种松弛而粗糙的质感，但 v5 吐出来的全都是齐整厚重的强力和弦，听起来更像 2000 年后的北极猴子（Arctic Monkeys）。

想要 70 年代末的西德泡菜摇滚（krautrock），出来的东西也常常带着浓郁的 80 年代流行合成器味，甚至连老机器的底噪都显得像精心贴上去的贴纸。

不过在重混现有音轨时，它倒是表现出了一些灵气。比如把上传的原曲吉他独奏改编成贯穿全曲的合成器动机，把死板的垫音和弦拆解成流动的琶音，这些编曲技巧确实挑不出毛病。

为什么重要

对内容创作者和独立开发者来说，Suno v5 彻底跨过了“做出来的东西能不能直接用”的门槛。做自媒体背景音乐、游戏配乐或需要交差的商业小样，v5 的动态混音省去了以前必须导出分轨去 DAW 里二次精修的麻烦，现在花几块钱订阅去跑几首，性价比极高。

但如果你是追求个性、想要粗粝 Lo-fi 或者特定地下乐队质感的独立音乐人，现在去试很可能会失望。它像一个技术毫无挑剔、但被各大唱片公司磨平了棱角的金牌制作人，永远只给你做最稳妥的广播电台流行乐。

从行业竞争来看，音乐生成赛道正在从“比谁能哼一段好听旋律”，正式转向“比谁更懂声场工程和现代编曲结构”。Suno 这次把乐器声场和复杂曲式推到了新高度，压力直接给到了老对手 Udio 这边。

我们认为，Suno 现在的隐患在于把“完美”当成了唯一的进化方向。人类音乐里最动人的东西，往往恰恰藏在那些不准的吉他品位、破音的高潮和凌晨客厅里录下的呼吸声中。当 AI 把所有粗糙感全当成噪声过滤掉，它交出的歌哪怕工业标准再高，听多了也只剩下一层精致的空洞。