AA-Music-Vocal v1.1Artificial Analysis
Bereich | Modell | Elo | Stichproben | |
|---|---|---|---|---|
| 1 | 1-2 |  Suno v6 | 1147±2095%-Intervall 1127 bis 1167 | 2,610 |
| 2 | 1-2 | Suno v6-mini | 1130±1995%-Intervall 1111 bis 1149 | 2,740 |
| 3 | 3 |  Mureka V9.5 | 1107±1995%-Intervall 1088 bis 1126 | 2,662 |
| 4 | 4-6 | Mureka V9 | 1060±1995%-Intervall 1041 bis 1079 | 2,681 |
| 5 | 4-6 |  Lyria 3.5 | 1053±1995%-Intervall 1034 bis 1072 | 2,717 |
| 6 | 4-6 | Lyria 3 Pro | 1051±1995%-Intervall 1032 bis 1070 | 2,741 |
| 7 | 7-9 |  Eleven Music v2.5 | 1015±1995%-Intervall 996 bis 1034 | 2,803 |
| 8 | 7-12 |  MiniMax Music 3.0 | 1000AnkerAuf 1000 fixiert als Bezugspunkt für die Elo-Skala dieser Bestenliste. | 2,871 |
| 9 | 7-12 | Eleven Music v2 | 999±1995%-Intervall 980 bis 1018 | 2,866 |
| 10 | 7-12 | Eleven Music | 998±1995%-Intervall 979 bis 1017 | 2,769 |
| 11 | 7-12 | MiniMax Music 2.6 | 998±1995%-Intervall 979 bis 1017 | 2,773 |
| 12 | 8-12 | MiniMax Music 2.5+ | 990±1995%-Intervall 971 bis 1009 | 2,895 |
| 13 | 12-13 |  Melodia v3 | 970±1995%-Intervall 951 bis 989 | 2,820 |
Häufig gestellte Fragen
Suno v6 führt AA-Music-Vocal v1.1 mit einem Elo-Wert von 1147 an.
Die besten Modelle auf AA-Music-Vocal v1.1 nach Elo-Bewertung sind: 1. Suno v6 (Elo 1147), 2. Suno v6-mini (Elo 1130), 3. Mureka V9.5 (Elo 1107), 4. Mureka V9 (Elo 1060) und 5. Lyria 3.5 (Elo 1053). Die Rangliste basiert auf blinden Abstimmungen unserer validierten privaten Bewertenden.
Modelle werden mit einem Elo-Bewertungssystem gerankt, das aus Blindvergleichen unserer validierten privaten Bewertenden abgeleitet wird. Die Bewertenden 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.