当前，AI音乐生成赛道似乎已迈过“一句话生成歌曲”的阶段，行业竞争主要集中在“谁更可控”方面。Suno、Udio等头部产品能同时完成词曲、编曲和演唱，但仍需面对细节控制不稳定、数据版权不清等问题。
围绕这类问题，郭靖已深耕了7年。
2019年，郭靖成立ACE，尝试虚拟歌手类产品，积累了歌声、乐器等局部控制经验与数据。2024年，他们进入专业音乐制作领域，推出ACE Studio，在真实工作流中沉淀更精细的音乐制作轨迹。2025年开始，团队利用这些数据自研音乐模型，并将ACE Studio升级为支持分轨和局部修改的AI音乐创作平台，完成对音乐可控性的改善。
然而郭靖并不想止步于专业市场。团队在此基础上，又研发了面向大众用户的音乐内容产品Miya。在他看来，“音乐的本质是表达，不该被限制在专业领域”。
学生时代，郭靖组建过乐队、写过歌曲，但复杂的编曲和乐理知识让他一度认为音乐创作属于专业玩家。现在，郭靖认为是过去复杂的软件、错误的认知塑造了音乐的神秘。他最终想做的，是“消除音乐表达的门槛，让普通人进入音乐生产。”
ACE团队目前近40人，核心成员兼具音乐专业能力与AI技术能力。其他成员有来自腾讯、字节等的工程师，也有专业音乐人、艺术教师等。公司最近完成PreB轮融资，创世伙伴创投CCV、顺为资本、Alphaist及其他战投机构投资，融资金额4000万美金。其中，创世伙伴创投CCV连续大额加注。历史股东还包括五源资本、博裕创投及海外投资机构HF0。
创始人郭靖创业前曾在乐逗游戏做全民级休闲游戏的国内增长工作，如水果忍者、神庙逃亡、愤怒的小鸟等。联创赵文骁（CTO）拥有机器学习、语音合成、音乐技术和软件系统的架构经验；曾在腾讯从事游戏引擎研发。联创盛聪尔（CPO）曾是华纳音乐中国最年轻的签约词曲作者之一，并多次参与中国一线流行歌手和偶像的歌曲制作。
核心算法研究员袁锐斌博士毕业于港科大，曾负责千问音乐模型的研发。据团队披露，部分学术成果如下：音乐表征基座Mert作者，HuggingFace下载量超740万，被Suno等头部AI音乐模型使用；打造生成理解一体化的Symbolic music LM，被杨立坤点赞转发；参与建立的MMMU基准被OpenAI、Anthropic等厂商使用。
做AI时代的Spotify
2008年，音乐流媒体平台Spotify出现，改变了全球主流音乐消费方式。过去，人们需要购买CD、按首下载或者单独付费才能听到某一首歌或专辑。Spotify则让用户通过收听广告或购买订阅，随时访问整座曲库。音乐从一件需要逐个购买的商品，变成了一项可以随时使用的服务。
在ACE看来，音乐在经历过流媒体这一技术革命后，至今没有出现其他突破性改变。由于音乐的生产端一直没有变革，此后的平台在此基础上扩大曲库、加快播放、优化推荐，但仍是以聚合内容的形式，购买音乐版权，再进行分发与消费。
他们认为，AI时代音乐将会迎来这一突破：AI时代的Spotify将通过生产端的变革，带动新的内容分发与消费。为完成这一目标，ACE的路线可以概括为：先进入专业音乐生产，再走向大众内容消费。目前，团队主要完成第一步，正在向第二步迈进。
专业生产方面，核心成果主要体现在产品ACE Studio中。这是一款面向专业音乐人的AI制作工具。用户可以用一句话生成完整歌曲，也可以基于已有作品重新编曲、单独生成某件乐器或一段人声；还可以输入旋律和歌词，让AI歌手演唱，或让不同AI乐器按照指定旋律演奏。歌曲完成后，平台还能生成MV，或者为视频制作配乐和音效。
它与“一键出歌”类产品的主要区别是，创作者可以拆分和调整歌曲中的人声、乐器及局部片段，再继续修改和加工，让AI生成的音乐成为可以继续编辑的制作素材，进入专业音乐人的日常工作流程。目前，ACE Studio已有近10万名付费创作者，月收入超200万美元，九成来自海外。
而这一产品的前期积累也很大程度上帮助ACE自研音乐模型。目前团队模型主要包括ACE Music Models和开源的ACE-Step系列，可以根据文字、歌词或参考音频生成包含人声与伴奏的完整歌曲，并支持曲风控制、翻唱、拆分音轨、伴奏重做和个人风格训练等。当前，模型性能仅次于Suno v5.5，但生成成本是其1/5。
△图注：ACE音乐模型训练近一年，性能接近Suno v5.5
大众内容消费方面，主要依托于产品Miya。这是一款面向普通用户的AI音乐创作与消费平台。用户可以仅仅过聊天讲述经历或表达情绪，生成歌曲，无需乐理知识，同时能在平台内收听、分享和社交。近期产品刚刚发布，仍处于起步阶段。
由此，ACE试图从专业生产工具出发，逐步形成覆盖模型、创作、分发和消费的完整音乐平台。
目前，ACE将音乐模型作为底层支持，把产品ACE Studio作为专业音乐人的生产工具，在获得订阅收入的同时，沉淀高质量的创作轨迹；产品Miya则把生成能力推向普通人，让用户实现聊天即可创作歌曲，并能在平台内收听、分享和社交。而这些用户行为数据又将继续帮助模型训练，形成从模型到应用，再到数据反哺的闭环。
专业音乐创作轨迹持续供给数据
当前，支撑ACE模型与产品的一个核心壁垒是精细、专业的用户数据反馈。
ACE成立早期做歌声合成和虚拟歌手时，就积累了一批歌声与乐器单轨素材。模型预训练阶段，团队将这些素材重新组合、混音，批量生成带有明确标注的训练歌曲。相比从网上收集完整歌曲，能在减少直接使用版权音乐风险的同时，也让模型更清楚地学习歌曲的内部结构，比如人声、鼓、贝斯等部分之间的关系。
此外，ACE Studio目前近10万名付费创作者涵盖大量专业音乐人，如好莱坞、格莱美体系内的流行音乐制作人，百老汇、歌剧和剧场音乐作曲家，独立音乐人、编曲师和商业配乐人，以及大量来自伯克利、CalArts等音乐院校的教师和学生。其授权后的创作轨迹是模型训练的重要依据。
ACE最初能吸引到这些专业用户，是因为产品早期切中了音乐制作痛点。过去，音乐人写出旋律后，需要找到合适的歌手录制Demo，或者完成歌曲内的合声等。这项工作成本高、周期长，是音乐制作经常面对的困难。ACE则从2022年底开始研发这一功能，把早期的虚拟歌手技术改造成专业生产工具。
后来，在专业音乐人用户的创作过程中，ACE在用户同意后，得以学习他们的制作轨迹：怎样编写鼓点、调整速度，修改了哪些音符和和弦，增加了什么乐器和弦乐，最终又怎样分轨、编辑和导出。相比粗略描述需求导出歌曲，这些轨迹记录了专业音乐人的判断与制作链路，很大程度上帮助了模型学习专业制作与音乐审美。这类数据同时能帮助模型改善音乐生成的“抽卡”问题。
而在后训练阶段，团队还通过每周线上培训、专业用户访谈，以及与高校合作，持续接触和扩展专业用户。
先由资深制作人SoulSpeak先建立专业题库。再通过伯克利、CalArts等院校的人脉和专业兼职平台持续招募，每月组织上百名兼职音乐人参与评估，从旋律、结构、编曲和配器等方面比较生成结果。为了保证评估者的专业，ACE设立了随机抽题、限时作答和防作弊考试等筛选人群，保证数据标注与维护的质量。
目前，ACE Studio已经积累到300多万条专业创作轨迹。这一过程中，ACE Studio也得以逐渐加入整曲生成、分轨、局部修改、续写和精细控制等能力，进入专业音乐人的工作流。
音乐创作的“短视频时刻”
在郭靖看来，AI音乐一直是一个被市场低估的领域。他认为，当音乐创造的门槛被消除，每一个人都可以用音乐来表达自己的情绪、吐槽生活、讲述故事时，音乐的生产逻辑、分发逻辑和消费逻辑将会被彻底重写。
而这件事的潜力，在今天还没有真正看见。
在短视频出现以前，视频生产同样局限在专业领域。短视频兴起后，生产门槛被解除，视频由一种专业作品，变成了日常表达，平台随之爆发出海量原创内容，并根据个人兴趣分发。最终，短视频不只创造了一种新内容，还把直播、电商、本地生活等都装进同一个分发体系，重塑了视频的生产、消费和商业生态。
郭靖认为，音乐至今没有经历同等级别的变化。流媒体的出现改变了音乐的获取方式，并没有改变音乐由谁生产。整个市场依然建立在音乐供给和版权有限的前提下，音乐既没有迎来大规模UGC，也没有实现在无限供给之上的真正个性化分发。
而当创作门槛下降，音乐供给会从每天有限的新歌，扩张为海量、千奇百怪的个人化内容。足够丰富的供给，也会进而引起消费端的真正变化：人们不再只是追逐明星、榜单和热门歌曲，而是获得与自身经历、情绪和当下场景高度匹配的音乐。
相比AI视频，郭靖还认为AI音乐更可能做出具有时代意义的“AI Native”平台。一方面，视频创作经历过短视频的革新，创作门槛已经大幅降低，AI视频更多是帮助创作者制作过去成本较高的画面；另一方面，AI视频生成后仍要放入短视频平台播放分发，这一原本已接近“最优解”的平台生态很难再度被颠覆。
音乐的生态改造空间则还很宽广，郭靖认为目前AI音乐需要做的，是“让人发现音乐创作似乎像拍短视频一样简单。”这也是其开发出第二款产品Miya的原因。在打好模型基础，完成上一阶段的数据积累后，他们希望通过Miya让音乐成为普通人的日常表达工具，比如能把日常的闲聊变成歌曲，完全消除乐理、编曲等门槛。
此外，郭靖看中AI音乐市场前景的另一原因是，“它不是大语言模型的自然延长线。”当前，通用大模型可以理解音乐，但要把音乐做到极致，则会损失通用智能性，因而音乐是能留给创业公司，掌控从模型到应用到数据飞轮的赛道。
郭靖如今就站在这个方向上，他最终想做的，是一个同时容纳音乐生产与消费的AI原生平台，让音乐迎来它的“短视频时刻”。
