【第四期】Gemini看图说话,Suno V6听话写歌

第三期:

第二期:
https://linux.do/t/topic/1206575

第一期:
https://linux.do/t/topic/1200574

复活。

最起码从声称看来,Suno V6难产的原因和文字大模型暗合:因为太强,导致遭大手拿捏。

但它来了,同时作废了Suno玩家间普遍存在的“V6会不会在被大手拿捏之后从此变成一坨”的担忧。从此,音乐爱好者也可以“震惊瘫坐”了。

在这个系列的第三期到第四期期间,Suno发布了V5.5。非常差的一代。据说是为了试验低样本数训练以探索未来可能的版权议题规避手段而推出来的一个版本,这导致了过于平庸和泛用的配器和编曲,从成品就能觉察出背后处理非常偷懒,致使平均时长极短(Suno为5.5加入了自定义时长的功能,其实就是明摆着告诉你不手动调的话别怪我一分半结束战斗,事实也确实跑出过极多的一分多钟的短曲;而V5会给你一种我跑过瘾了才会收手的感觉,经常出四分钟全长曲,甚至会出现跑出六七分钟,结尾直接被硬掐掉的缺憾结果),标榜的人声客制化也没什么亮点,反而导致vocal极度趋同,甚至会频繁出现很要命的超低保真度和人声崩坏,创造力方面也全方位被V5吊锤。而V6,先说我目前试了几个感受到的最大提升:

  • 平均保真度,以及对声场、EQ、混音的理解和处理对比V5有质的飞跃。
  • 对情绪递进的拿捏飞跃到了另一个水准。
  • 人声唱法处理更多变,气口更科学
  • 基础音色的选用范围更广,对音色的处理更多样(但是glitch处理还是那个曾曾曾的老一套)
  • 对于曲风的理解更是极大拓宽,prompt遵循程度极高,你输入futurebass,它绝对不会给你一首four on the floor的house,而是正宗的futurebass。(但这一点带来的一点点不爽就是,V6对prompt意图的曲风之呈现非常到位。这并不是说V6想象力有任何问题,而是V5有时候会无招胜有招,剑走偏锋,正中爽点,只是和原prompt没鸡毛关系就是了,好比你家的比格犬往走音的钢琴上一拍,弹出了一个Jacob Collier都没想到的和弦。没有踩V5,但意思就是这么个意思。)
  • 编排创造力和想象力惊人。V5是在AI生曲的角度上惊人,V6可以拿到人类的角度上。这一点一言难以蔽之。
  • V6除了标准模型,另提供了wild(更适合创造性生成,和文字模型的pro版是有区别的)和mini(相当于flash,更小更快)两种子模型、用于以额外计算提升一致性的MAX选项,以及更多,但仍保持易懂和易操作性的自定义微调项目。
  • 在此基础上,即便是V6 WILD+MAX,也仍然保持着等同于前代的超快流式生成速度(甚至更快了?)。

本期的歌曲则是用最新的SUNO V6标准模型生成。分析使用Gemini 3.8 Flash。遥想当时开始做这个系列的正值哈基米王朝,现在已成路边一条,但是用来完成声学分析还是绰绰有余甚至十分强劲、到位且有想象力的。

再啰嗦两句:

  • 分析、prompt、成品相关性不会百分百强。Style Influence留了默认值50%。
  • 有订阅的佬友注意:刚刚开启了为期两天的V6生成不消耗credit活动,可爽蹬。

Let’s get started.


【一】

V5对80s/蒸汽波/复古浪潮的理解已经让人直呼登峰造极了,V6 took it even further。我因为对在慢速下极具侵略性的鼓组音色毫无抵抗力而成为了音乐人“志国夜总会”的粉丝,V6给我带来了同样的感受。


【二】

震撼,凄怆,神圣,悲悯。Suno在试图向我传达一种神性。虽然对比之下图片已经撑不起来这份宏大,提示词也比实际成品来得收敛得多,但这如果这就是AI想要告诉你的,其他的已经不重要了。


【三】

假如我们有权利出逃,那一刻是否听起来会像这首歌一样。


【四】

菜园街不赖

V6之前,2step只能学到一层表皮,V6确实学到点精髓了。但是不得不提一下V6不加引导的人声切片还是和V5一样,颇有那种生视频AI默认脸的感觉。


【五】

选这张图的时候就在猜Gemini会不会安排中西部艺谋,果不其然。个人不吃摇滚,但这首情绪安排得非常好,也成功让我艺谋了两秒钟。


不出意外的话,应该很快会发第五期。来日再见。祝各位耳冒金光。

7 个赞