Cuando muchas personas entran en contacto por primera vez con la generación de música, quedan conmovidas por ese momento.

Escribes una frase, esperas un momento, y aparece una canción completa con voz, melodía y arreglo. Algo que antes requería encontrar un compositor, un arreglista, un cantante y un mezclador para completarse, ahora una sola persona también puede empezar a hacerlo.

Pero después de hacer realmente algunas canciones, los problemas aparecen rápidamente.

Generar no es difícil, generar una canción que uno esté dispuesto a conservar sigue siendo muy difícil.

A veces la letra está escrita con mucho cuidado, pero al cantarla parece que se está leyendo palabra por palabra; a veces la atmósfera de la estrofa está bien, pero al llegar al estribillo no logra realmente despegar; también hay algunas obras que parecen sorprendentes la primera vez que se escuchan, pero al volver a escucharlas se descubre que la melodía no tiene un punto memorable. Entonces solo queda cambiar el prompt, modificar el estilo, volver a generar y seguir buscando entre un montón de versiones parecidas.

Más problemático aún es que, cuando queremos integrar la generación de música en nuestro propio producto, la cuestión ya no es solo «si se puede generar». Si la interfaz es estable, cuántas canciones devuelve cada vez, cómo manejar las fallas de las tareas, si se puede asumir el costo de generación, estas cuestiones que no parecen románticas al final suelen determinar si una idea creativa puede realmente lanzarse.

El valor de ACE Music empieza precisamente a hacerse claro en esta etapa.

No se trata simplemente de añadir otro modelo de música, sino de ofrecer a creadores y desarrolladores otra opción: con un costo más ligero, convertir una inspiración de una frase o una letra completa en dos canciones candidatas que se pueden escuchar y descargar, y luego elegir entre ellas la dirección que realmente vale la pena seguir desarrollando.

Cuando «generar una canción» se vuelve fácil, lo realmente escaso son los buenos resultados

Una noche tarde en la que la creación se bloquea

La creación musical tiene una contradicción muy realista.

Cuanto más fácil es generar, más fácilmente dedicamos nuestro tiempo a intentos interminables.

Una frase de prompt puede generar una canción, y parece ya suficientemente simple. Pero si el creador tiene en mente un tema, una letra y una emoción claros, depender únicamente de una descripción amplia normalmente no es suficiente. Lo que queremos controlar no es solo si es «pop» o «folk», sino cómo debe prepararse la estrofa, en qué momento debe abrirse el estribillo, si la voz femenina debe ser contenida o brillante, y si la última frase debe dejar espacio en blanco o asentarse.

Estos detalles determinan si una canción solo suena como una canción o si puede realmente hacer que la gente la recuerde.

ACE Music ofrece dos formas de creación muy directas en Ace Data Cloud.

Si solo se tiene una idea vaga, se puede usar el modo de inspiración para describir el tema, la emoción y la dirección musical de la canción. Si ya se tiene preparada la letra, se puede enviar el título, la letra completa y el Style, para que el modelo complete el canto y el arreglo en torno a un contenido claro. En la letra también se pueden conservar etiquetas estructurales como [Verse] y [Chorus], para que la relación entre las secciones sea más clara.

Una generación completa devuelve dos candidatas, en lugar de ofrecer un solo resultado. Los creadores pueden comparar directamente dos tratamientos de melodía y canto, y luego decidir cuál vale más la pena conservar.

Este diseño parece simplemente generar una canción más, pero en realidad se ajusta mucho a los hábitos de la creación musical.

Normalmente no juzgamos si una canción «cumple o no cumple», sino que buscamos entre dos direcciones la versión que se acerca más a nuestra propia idea. Con una comparación, resulta más fácil juzgar si la melodía tiene un punto memorable, si el estribillo se sostiene lo suficiente y si la voz se adapta a la letra.

Lo que ACE Music quiere hacer no es solo cantar el texto

De la letra a dos canciones candidatas

En Ace Data Cloud, ACE Music ofrece actualmente dos modelos, acemusic-v1.1 y acemusic-v1, de los cuales acemusic-v1.1 es la opción predeterminada. Además de la generación habitual por inspiración y la generación con letra personalizada, también admite importar audio de referencia, versionar obras existentes y fusionar dos canciones de referencia.

Para quienes solo quieren validar rápidamente un tema, el modo de inspiración ya es suficiente.

Por ejemplo, introducir:

Una cálida y contenida canción folk china, escrita para alguien que ha dejado su ciudad natal durante muchos años y de repente recuerda la antigua calle a altas horas de la noche. Principalmente con guitarra acústica y suaves cuerdas, voz femenina natural, sin sentimentalismo excesivo.

El modelo completará la comprensión de la dirección de la canción basándose en esta descripción.

Si el creador ya ha escrito la letra, puede cambiar al modo personalizado. El título, la letra y el Style se envían por separado, y el modelo no necesita volver a comprender la historia por ti, sino que completa directamente la música en torno al texto existente.

Este método es especialmente adecuado para la creación en chino.

Porque las letras en chino dependen mucho de la longitud de las frases, las pausas y el tono. Si el tema, la letra y el Style se amontonan todos en una sola descripción, al modelo le resulta fácil atender al estilo, pero no a la expresión concreta. Después de separar el contenido de la dirección musical, los creadores pueden primero modificar cuidadosamente la letra y luego ajustar por separado el estilo musical y la sensación del canto.

ACE Music también ofrece una interfaz independiente de generación de letras. Puede proporcionar un título y un borrador de letra basados en el tema y el estilo musical; después de generarlos, aún se pueden modificar manualmente y luego enviarlos a la interfaz de canciones.

Un punto más importante aquí es: la generación de letras y la generación de canciones son dos etapas separadas.

No obliga a los creadores a aceptar todo el contenido producido de una sola vez. Primero escribir la letra, luego modificarla y finalmente hacer la canción: este proceso se acerca más a la creación real y también facilita conservar el juicio humano.

ACE Music y Suno no consisten en que uno reemplace al otro

Los diferentes flujos de trabajo de ACE Music y Suno

Al mencionar la música con IA, la primera reacción de muchas personas sigue siendo Suno. Esto es muy normal. Suno ya ha establecido una cadena de creación bastante completa; además de la generación básica de canciones, también cubre continuación, reemplazo parcial, ensamblaje, versiones, Remaster, adición y extracción de pistas de audio, separación de pistas y capacidades relacionadas con el timbre. Entre las interfaces que Ace Data Cloud proporciona actualmente, Suno sigue siendo un conjunto más completo de herramientas de posproducción.

La dirección de ACE Music es algo diferente.

Actualmente se centra más en la generación de canciones en sí: convierte ideas o letras en dos candidatos completos, y también puede usar audio de referencia para realizar versiones o fusiones de doble referencia. Por el momento no proporciona parámetros como continuación, separación de pistas y clonación de timbre en la API de Ace Data Cloud.

Por lo tanto, una comprensión más precisa no es “si ACE Music puede reemplazar a Suno”, sino que son adecuados para diferentes posiciones dentro del flujo de creación.

Si el objetivo es encontrar rápidamente melodías agradables, voces naturales y una estructura completa de canción a partir de una letra, ACE Music es una opción muy atractiva. Su flujo es más corto y su forma de invocación también está más concentrada.

Si después de generar la canción todavía es necesario continuar alargándola, reemplazar un fragmento, separar la voz y el acompañamiento, o mantener varias obras utilizando el mismo conjunto de timbres, la cadena de herramientas de Suno es actualmente más madura.

Para muchos equipos de contenido, la solución más práctica probablemente no sea elegir uno entre dos.

Es completamente posible usar primero ACE Music para encontrar rápidamente la dirección de una canción, seleccionar la versión con la melodía y emoción más adecuadas, y luego entrar en un flujo de posproducción más detallado según las necesidades del proyecto. Los modelos son solo herramientas; lo verdaderamente importante es colocar diferentes herramientas en la posición donde mejor se desempeñan.

Las ventajas de ACE Music se reflejan, en primer lugar, en el coste de creación

Según las reglas de facturación actuales de Ace Data Cloud, ACE Music genera dos candidatos completos de canciones y consume aproximadamente 0.3148 Credits. Los nuevos modelos principales actuales de Suno generan dos canciones y normalmente consumen aproximadamente 0.56 Credits.

Comparado bajo el mismo criterio de Credits, el coste de generación básica de canciones de ACE Music es aproximadamente un cuarenta por ciento menor.

Para quienes crean una canción ocasionalmente, la diferencia quizá no sea tan evidente. Pero para los equipos que necesitan probar estilos repetidamente, generar por lotes o integrar capacidades musicales en productos, el coste se amplificará rápidamente.

Por ejemplo, con la misma letra, podríamos necesitar probar:

  • La diferencia entre una balada cálida y pop urbano
  • La diferencia entre un solo de voz femenina y un dúo masculino y femenino
  • La diferencia entre una versión contenida y una versión con un estribillo más potente
  • El impacto de diferentes instrumentaciones en la emoción de la letra

Cada generación produce dos candidatos. Cuando la escala de invocaciones aumenta gradualmente, un menor coste por cada vez significa que el producto puede dar a los usuarios más espacio para probar, en lugar de tener que considerar seriamente el presupuesto cada vez que presionan “regenerar”.

El mecanismo de facturación por fallos de ACE Music también es relativamente amigable. Solo se cobra por el grupo de generación después de que el grupo completo de dos canciones se entregue con éxito; si la tarea finalmente falla, o si solo se completa una canción y el conjunto entra en un estado de fallo parcial, no se cobra la tarifa de generación de canciones de este grupo, y las pistas de audio ya completadas se conservarán.

Para los servicios de generación asíncrona, esta regla es muy importante.

Los usuarios no necesitan asumir costes por resultados que no se entregaron por completo, y a los desarrolladores también les resulta más fácil diseñar reintentos y avisos de excepciones, en lugar de seguir gestionando disputas de cobro después de que falle una tarea.

El audio de referencia hace que la creación ya no dependa solo del texto

Flujo de integración de la API de ACE Music

Describir música solo con Style a veces puede presentar un problema: sabemos lo que queremos, pero es difícil expresarlo con precisión.

Palabras como “cálido”, “retro” o “sensación cinematográfica” tienen significados diferentes para cada persona. Lo que el creador realmente quiere conservar puede ser la forma de movimiento de una melodía, cierto sentido del ritmo o la sensación de cómo la emoción se desarrolla gradualmente en la canción original.

ACE Music puede importar primero un archivo MP3 de acceso público y generar una pista de audio de referencia que pueda seguir utilizándose. Después, se puede realizar un Cover en torno a esta referencia, o poner juntas dos pistas de audio de referencia diferentes para realizar un Mashup.

En los modos de versión y fusión, también se puede usar audio_influence para controlar el grado de influencia del audio de referencia, con un rango de valores de 1 a 100 y un valor predeterminado de 60.

Esto deja un espacio relativamente práctico para la creación.

Con un grado de influencia más alto, el resultado estará más cerca de la referencia; con uno más bajo, dará al modelo más margen para reinterpretar. No necesariamente puede reemplazar los arreglos profesionales, pero es mucho más intuitivo que describir música simplemente con algunos adjetivos.

Por supuesto, el audio de referencia no es un atajo para los derechos de autor.

Ya sea para versiones, fusiones o proyectos comerciales, se debe garantizar que el contenido cargado y el uso final cuenten con las autorizaciones necesarias. Lo que la tecnología puede hacer y si el contenido puede utilizarse legalmente siguen siendo dos cosas diferentes.

La integración no es complicada; lo que realmente requiere atención es el flujo de tareas

Flujo de integración de la API de ACE Music

ACE Music proporciona principalmente tres tipos de interfaces en Ace Data Cloud: canciones, letras y consulta de tareas.

La generación de canciones utiliza:

POST https://api.acedata.cloud/acemusic/audios

La generación de letras utiliza:

POST https://api.acedata.cloud/acemusic/lyrics

La consulta de tareas utiliza:

POST https://api.acedata.cloud/acemusic/tasks

Antes de la invocación formal, es necesario crear o copiar primero una API Key en la consola de Ace Data Cloud, y asegurarse de que las credenciales tengan permisos de acceso a ACE Music y saldo disponible. La solicitud completa la autenticación de identidad mediante Bearer Token.

Si solo se comienza con una frase de inspiración, se puede enviar una solicitud como esta:

curl --request POST 'https://api.acedata.cloud/acemusic/audios' \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "acemusic-v1.1",
    "custom": false,
    "prompt": "一首温暖克制的中文民谣,写给离开故乡多年的人,木吉他与轻柔弦乐,女声自然",
    "async": true
  }'

Si ya se han preparado las letras, entonces se puede utilizar el modo personalizado:

curl --request POST 'https://api.acedata.cloud/acemusic/audios' \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "acemusic-v1.1",
    "custom": true,
    "title": "老街的灯",
    "style": "Warm Chinese folk pop, intimate female vocal, acoustic guitar, soft strings, restrained emotion",
    "lyric": "[Verse]\n离开以后才发现\n那条街并没有走远\n\n[Chorus]\n老街的灯还亮着\n像有人等我回去",
    "async": true
  }'

Después de que la interfaz acepta la solicitud, normalmente primero devuelve task_id, lo que no significa que la canción ya se haya generado por completo.

La forma correcta es guardar este ID de tarea y luego consultar el progreso a través de la interfaz de tareas. Una vez que la tarea tenga éxito, el resultado incluirá dos pistas de audio, cada una con su propio título, letra, Style, duración, dirección de audio e ID de pista que puede utilizarse para posteriores versiones o fusiones.

Si se trata de un producto formal, se recomienda enviar también Idempotency-Key.

Cuando se interrumpe la red o se actualiza la página, el cliente puede usar la identidad de la solicitud original para recuperar la tarea, en lugar de volver a enviar una nueva generación de pago. Usar la misma clave de idempotencia y la misma solicitud devolverá la tarea original; si la clave de idempotencia es la misma pero el contenido de la solicitud es diferente, será rechazada.

Para productos que necesitan ejecutarse durante mucho tiempo, también se puede configurar callback_url. Una vez completada la tarea, el servicio enviará el resultado final a la dirección especificada, y el frontend no tendrá que realizar consultas continuamente.

De un botón de generación a un producto musical realmente utilizable

Integrar un modelo musical no es difícil.

Lo realmente difícil es lograr que los usuarios quieran conservar el resultado.

Esto requiere que el producto no solo proporcione un cuadro de entrada y un botón de generación, sino que también gestione cuidadosamente la modificación de letras, la comparación de versiones, la escucha previa, la recuperación de tareas, los favoritos y las descargas. Las dos candidatas deberían colocarse juntas para compararlas, en lugar de estar dispersas en el historial; el estado de fallo debería explicar claramente qué ocurrió, en lugar de mostrar solo una frase como «error de generación»; después de una interrupción de red, también debería recuperarse la tarea original, en lugar de hacer que el usuario empiece de nuevo.

Las ventajas de ACE Music son precisamente adecuadas para esta forma de pensar más pragmática sobre los productos.

No presenta sus capacidades actuales como una estación de trabajo musical omnipotente, sino que hace que las rutas más utilizadas sean lo suficientemente directas: introducir una inspiración o una letra, esperar a que se complete la tarea, obtener dos canciones completas y luego elegir la mejor versión entre ellas.

Si se necesita seguir refinando, el resultado puede enviarse a procesos de producción posteriores; si solo se busca una canción completa para videos cortos, historias, escenas de juegos o creación personal, el propio resultado generado puede convertirse en el punto de partida.

La generación musical, a día de hoy, ya no se trata simplemente de «hacer que el modelo cante una canción».

Hemos empezado a preocuparnos por si la letra se ha expresado con cuidado, si el estribillo puede dejar un recuerdo, si el coste puede sostener intentos repetidos, y también hemos empezado a preocuparnos por si una capacidad es lo suficientemente estable como para entrar realmente en nuestro propio producto.

Lo que ofrece ACE Music es otro camino más ligero y directo.

No se trata de tomar todas las decisiones por los creadores, sino de permitir que la inspiración tenga más rápido una versión que pueda ser escuchada.

Y el lugar donde muchas obras realmente comienzan suele ser la primera vez que se escuchan.


Si quieres probar ACE Music por ti mismo, puedes acceder desde aquí a Ace Data Cloud:

Documentación técnica de integración de ACE Music