AA-Music-Vocal v1.1Artificial Analysis
Bereich | Modell | Elo | Stichproben | |
|---|---|---|---|---|
| 1 | 1 |  Suno v6 | 1142±1595%-Intervall 1127 bis 1157 | 2,077 |
| 2 | 2-3 | Suno v6-mini | 1116±1595%-Intervall 1101 bis 1131 | 2,158 |
| 3 | 2-3 |  Mureka V9.5 | 1103±1595%-Intervall 1088 bis 1118 | 2,112 |
| 4 | 4-6 | Mureka V9 | 1052±1495%-Intervall 1038 bis 1066 | 2,140 |
| 5 | 4-6 |  Lyria 3.5 | 1052±1495%-Intervall 1038 bis 1066 | 2,155 |
| 6 | 4-6 | Lyria 3 Pro | 1046±1495%-Intervall 1032 bis 1060 | 2,168 |
| 7 | 7-11 |  Eleven Music v2.5 | 1012±1495%-Intervall 998 bis 1026 | 2,252 |
| 8 | 7-12 | Eleven Music | 1001±1495%-Intervall 987 bis 1015 | 2,177 |
| 9 | 7-12 | Eleven Music v2 | 1001±1495%-Intervall 987 bis 1015 | 2,263 |
| 10 | 7-12 |  MiniMax Music 2.6 | 1001±1495%-Intervall 987 bis 1015 | 2,257 |
| 11 | 11 | MiniMax Music 3.0 | 1000AnkerAuf 1000 fixiert als Bezugspunkt für die Elo-Skala dieser Bestenliste. | 2,283 |
| 12 | 8-13 | MiniMax Music 2.5+ | 987±1495%-Intervall 973 bis 1001 | 2,289 |
| 13 | 12-13 |  Melodia v3 | 978±1495%-Intervall 964 bis 992 | 2,257 |
Häufig gestellte Fragen
Suno v6 führt AA-Music-Vocal v1.1 mit einem Elo-Wert von 1142 an.
Die besten Modelle auf AA-Music-Vocal v1.1 nach Elo-Bewertung sind: 1. Suno v6 (Elo 1142), 2. Suno v6-mini (Elo 1116), 3. Mureka V9.5 (Elo 1103), 4. Mureka V9 (Elo 1052) und 5. Lyria 3.5 (Elo 1052). Die Rangliste basiert auf blinden Abstimmungen unseres rekrutierten menschlichen Panels.
Modelle werden mit einem Elo-Bewertungssystem gerankt, das aus Blindvergleichen unseres rekrutierten menschlichen Panels abgeleitet wird. Die Teilnehmenden hören Paare von Musikbeispielen, die aus demselben Prompt generiert wurden, und wählen ihre bevorzugte Spur, ohne zu wissen, welches Modell sie erzeugt hat. Höhere Elo-Werte bedeuten, dass ein Modell häufiger bevorzugt wird. In der Artificial Analysis Music Arena abstimmen
AA-Music-Instrumental v1.1 rankt Modelle, die Musik ohne Gesang erzeugen, während AA-Music-Vocal v1.1 Modelle rankt, die Musik mit Gesang oder Stimmelementen erzeugen. Modelle können in jedem Benchmark unterschiedlich abschneiden, daher werden getrennte Rankings bereitgestellt.