Blir AI-musiken för lik? Ny studie granskar Suno och Lyria 3

Kort svar: två olika sorters likriktning

Lyria 3 samlade sig närmare ett genomsnittligt sound inom tre av fyra testade genrer. Suno visade större spridning inom genrerna, men skillnaderna mellan genrerna blev mindre tydliga. Forskarna beskriver därför två olika former av homogenisering: att låtar samlas kring genrecentrum och att genregränser flyter ihop.

Systemen lät samtidigt inte mer lika varandra. Avståndet mellan Sunos och Lyrias genomsnittliga ljudprofiler var större än mellan två slumpmässiga grupper av människoskapade låtar. Studien stödjer alltså inte påståendet att all AI-musik är på väg mot exakt samma sound.

Så gjordes testet

Zoe Slendebroek och Danaé Metaxa testade Suno Pro 5.5 och Lyria 3 som svarta lådor under april och maj 2026. De arbetade med Afrobeats, K-pop, Dance Pop och Heavy Metal. I ett försök fick systemen detaljerade, datorframtagna beskrivningar av mänskliga referenslåtar. I ett andra försök fick de i princip bara genrens namn och instruktionen att skapa instrumentalmusik.

Varje system skapade 100 spår per genre och försök. Den mänskliga jämförelsegruppen innehöll 100 spår per genre, utvalda från större samlingar med högst fem låtar per artist. Referenserna täckte utgivningsår 2000–2026. Analysen använde 30 sekunder från mitten av varje låt för att behandla AI- och människospår på samma sätt.

• Två AI-system: Suno Pro 5.5 och Google DeepMind Lyria 3.
• Fyra genrer: Afrobeats, K-pop, Dance Pop och Heavy Metal.
• Två prompttester: detaljerad musikbeskrivning respektive enbart genre.
• Samma analyskedja användes på alla 30-sekundersutdrag.

Vad betyder de 72 ljudmåtten?

MIR står för Music Information Retrieval: metoder som beskriver ljud med mätbara värden. Forskarna använde åtta mått för rytm och timing, tolv för spektral form, trettio MFCC-mått för klangens övergripande form, fyra för textur, nio för harmoniskt innehåll, tre för struktur och repetition samt sex för dynamik.

Förenklat kan analysen upptäcka om spår har liknande tempo, täthet, klangfärg, energi, förändring och repetitionsmönster. Den kan däremot inte ensam avgöra om en melodi känns berörande, om ett groove upplevs autentiskt eller om en låt har ett originellt konstnärligt budskap.

Resultaten i siffror

Lyrias sammanlagda variation motsvarade cirka 84 procent av den mänskliga jämförelsegruppens variation. Tre av fyra genrer låg tätare samlade än referenserna; Dance Pop var undantaget. Sunos sammanlagda variationskvot var cirka 1,67, vilket betyder större spridning inom de mätta egenskaperna än i den mänskliga gruppen.

Men hög spridning är inte samma sak som tydliga genrer. När forskarna mätte hur väl de fyra genrerna skildes åt låg den mänskliga gruppen och Lyria ungefär på samma nivå. Sunos genreskillnad var omkring 36 procent lägre. Det är därför missvisande att sammanfatta studien som att Suno bara var ”mer varierat”.

En klassificeringsmodell kunde skilja studiens AI-utdrag från dess mänskliga referenser med AUC 0,991 och cirka 97 procents träffsäkerhet. Det är ett starkt resultat för just detta dataset, men inte en universell AI-detektor som kan bedöma valfri låt på internet.

Följde systemen de detaljerade instruktionerna?

Lyria följde angivet tempo måttligt väl, med korrelationer mellan 0,30 och 0,57 beroende på genre. För andra egenskaper var sambandet svagt. Sunos starkaste uppmätta samband var 0,26 och tempot låg på 0,15. När systemen bara fick genrens namn förändrades Sunos övergripande mönster ganska lite, medan Lyria blev mer likformigt i tre av fyra genrer.

Det betyder inte att tjänsterna generellt är dåliga på prompts. Testet använde särskilda maskinellt framtagna musikbeskrivningar och ett bestämt analysmått. Resultatet säger att de mätvärden forskarna skrev in bara delvis gick att återfinna i de färdiga ljudfilerna.

En oväntad detalj: låttitlarna

I testet med enbart genrenamn var bara 13–16 procent av Sunos hundra titlar per genre unika. Titeln ”Palm Wine Drift” användes för 20 av 100 Afrobeats-spår, och ”Anvil Breaker” återkom både i Heavy Metal och Dance Pop. Det visar ett återkommande mönster i titelgeneratorn i detta test, men säger inte i sig att ljudfilerna var identiska.

Vad studien inte bevisar

Studien omfattar två system, fyra genrer och en bestämd period. Modeller ändras snabbt, och en erfaren användare kan arbeta med helt andra promptar, egna inspelningar, stems och efterbearbetning. Forskarna kan därför inte säga vilken del av modellernas träning eller design som orsakade mönstren.

AI-spåren var instrumentala medan en del mänskliga referenser innehöll sång. Forskarna gjorde ett separat instrumentaltest för Afrobeats och fick fortfarande en tydlig skillnad, men begränsningen försvinner inte helt. De skriver också att standardiserade MIR-mått kan missa groove, mikrotiming och regionala uttryck som inte fångas väl av vanliga västerländska produktionsmått.

Det behövs lyssnartester för att avgöra om människor faktiskt hör samma skillnader och hur de påverkar upplevelsen av identitet, kvalitet och autenticitet. Den offentliga texten är arXiv version 1; författarna anger att arbetet ska publiceras på AIES 2026, men resultat och formuleringar kan fortfarande uppdateras.

Praktisk lärdom för skaparen

Vår praktiska tolkning är inte att undvika ett visst verktyg. Studien pekar snarare på värdet av att lämna standardläget och göra tydliga mänskliga val efter genereringen. Det handlar om redigering, inte om att köpa fler tjänster.

Jämför flera versioner med varandra innan du väljer. Ändra låtform, pauser, instrumentering, harmonik och dynamik där resultatet känns för förutsägbart. Egna framföranden, ojämn mikrotiming och lokala musikaliska referenser kan ge material som inte uppstår genom en generell genrebeskrivning.

• Beskriv förändringen mellan intro, vers, refräng och avslutning — inte bara genren.
• Generera flera varianter och markera vad som faktiskt skiljer dem åt.
• Klipp om arrangemanget och byt svaga partier i stället för att acceptera hela första resultatet.
• Lägg till egen röst, spel, timing eller fältinspelning när det passar projektet.
• Spara promptar och arbetsanteckningar så att dina val går att förstå i efterhand.

Varför forskarna tycker att detta spelar roll

Författarna argumenterar för att mätbart stabila ljudmönster kan passa bra i rekommendations- och klassificeringssystem. Om stora mängder musik produceras ur samma modellmönster kan det på sikt påverka vad plattformar, skapare och lyssnare uppfattar som ett typiskt genreuttryck.

Det är en möjlig samhällseffekt som forskarna diskuterar, inte något experimentet direkt mätte. De efterlyser därför fler oberoende granskningar, fler genrer och kulturer samt bättre mått på variation. Slutsatsen är inte att AI-musik ska avvisas, utan att variation och mänsklig medverkan bör följas lika noga som teknisk ljudkvalitet.