要点
你的耳朵能抓住偷懒的 AI 歌——糊成一片的镲片、押韵却什么都没说的歌词、一口气都不换的嗓音——但用当下模型、提示词写得好的歌，随便听一听是能蒙混过关的。凡是要紧的场合（授权、歌单投稿、比赛、购买），都应该过一遍检测器。Suno AI Music 上的 AI 音乐检测接受链接或文件，去听每个主流生成器留下的痕迹，返回一个概率，以及这首歌最像哪个生成器。我们用一首自己在 Suno 上生成的歌测了一下——98% AI，最接近 Suno——又测了 Rick Astley 的 Never Gonna Give You Up——0%，最接近 Human（真人）。检测一次 20 积分。
本文目录
为什么这件事变难了
两年前破绽很明显：金属味的人声、到第二段主歌就散架的歌词、东游西逛三分钟都没有副歌的歌。现在的模型——Suno v6、Udio、ElevenLabs Music、Google 的 Lyria——会写主歌-副歌结构，能让一首歌从头到尾保持同一个嗓音，还能把母带做到流媒体响度。把一首做得好的放给朋友听而不告诉他，他多半不会察觉。
所以问题已经从"它听起来假不假？"变成了"我手上有什么证据？"。你的耳朵能给你一些。上下文能给你更多。检测器则给你一个可以据此行动的数字。
该听什么
下面没有一条能单独证明什么，而且每一条在真人制作的歌里也可能出现。但当三四条叠在一起时，就该往 AI 那边倾斜了。
糊成一片的高频
戴好耳机听镲片、踩镲和人声里的"s"音。生成的音频常常把它们渲染成一片嘶嘶的雾，而不是一下一下清楚的敲击，在密集的副歌里尤其明显。这是最可靠的一项耳朵测试，也是模型最难修的一项，因为它来自音频的合成方式本身。
从不换气的嗓音
真人歌手要换气，混音师通常也会留下一些换气声。很多 AI 人声一句接一句，完全没有吸气，或者有一口听起来像是贴上去的气。也听听辅音：一个字开头很干净、结尾却含糊成一团，是常见的痕迹。
押韵却什么都没说的歌词
AI 歌词往往泛泛地煽情——霓虹灯、午夜的梦、灵魂里的火——韵脚完美，却没有任何具体细节。真人写词会写出一条街名、一个年份、一个人。如果你能把两首歌的主歌对调而没人发现，这就是一条线索。
结构太整齐，或者结尾很怪
这些歌常常每个段落的分界都正好卡在小节线上，能量曲线像套了模板。结尾是另一个破绽：在一句话中间开始的淡出，或者因为模型到了长度上限而突然冒出来的最后一个和弦。
乐器换了身份
从头到尾只听一件乐器。一把吉他的音色在主歌和副歌之间悄悄变形，或者一架钢琴变成了另一架略有不同的钢琴，这是生成出来的典型特征，而不是录出来的。
音频之外的线索
很多时候最快的答案根本不在波形里：
- 艺人没有任何过往。 一个三个月发了四十首歌、没有任何现场演出、除了一张氛围照之外没有别的照片、也没有社交媒体存在感的账号，这个模式值得留意。
- 没有署名。 正规发行会列出词曲作者和制作人。一首在哪里都找不到词曲作者署名的歌，是一个危险信号。
- 作品风格宽得可疑。 周一 lo-fi，周三乡村，周五 drill——全出自同一个"艺人"。
- 这首歌识别不出来。 一首听起来很流行、听歌识曲却从没听过的歌，要么是新歌、未发行的歌、版权库音乐——要么就是生成的。我们的不知道歌名怎么找歌指南解释了没找到通常意味着什么。
怎么用检测器检查一首歌
这个检测器是一个音频模型，用各大生成器——Suno、Udio、Mureka、ElevenLabs 等——的输出训练而成。它去听每一家留下的痕迹：瞬态是怎么糊的、立体声宽度怎么表现、人声在混音里怎么摆。
- 打开 AI 音乐检测并登录。同一个工具也在 AI 歌曲核查、AI 音乐核查、AI 歌曲检测和这首歌是 AI 吗？这几个页面上——用哪个都行，结论都一样。
- 选择怎么把歌送进去：
- 粘贴链接——YouTube、TikTok、Instagram、X、Vimeo 或 Facebook。音频会替你抓取。
- 上传——MP3、WAV、M4A，或者 MP4 里的音频，最大 10 MB。三十秒就足够了；你不需要整首歌。
- 点检测这首歌（20 积分）。
- 看结论、概率、最接近的生成器，以及各家生成器的得分。
如果检测跑不起来——文件读不了、页面加载不出——20 积分会马上退回。
我们的测试 两首歌两个结论
我们想要一个干净的对比，所以给检测器喂了一首确定是 AI 的歌，和一首确定不是的。
第一首是一首带女声的 tech house，是我们自己在 Suno 上为网站的示例画廊生成的。我们把生成器吐出来的 MP3 原样上传：
AI 生成的概率 98%，而且它点对了生成器：Suno 91%，ElevenLabs 以 7% 远远排在第二。关于这个文件从哪来，我们什么都没告诉它。
第二首是 Rick Astley 的 Never Gonna Give You Up，录于 1987 年——比这些模型中的任何一个都早了几十年。我们贴上了官方 YouTube 链接：
0%，最接近 Human，每个生成器都是零。两个清楚的输入，两个清楚的答案——在你把不清楚的情况托付给一个工具之前，先看到的应该就是这个。
怎么看结果
结果卡片有四部分：
- 结论——很可能是 AI 生成或很可能是人做的。"很可能"这个词是刻意的。
- 概率——模型有多大把握认为这首歌是生成的。
- 最接近——它最像的那个生成器，或者 Human。
- 与各家生成器的相似度——"最接近"背后的细分。一根占绝对优势的柱子（比如上面 Suno 的 91%）比好几根不高不低的柱子信号更强。
一个实用的规则：高于大约 90%，判断就站得住。低于大约 10%，可以当作真人作品。介于两者之间，结果只是一种倾向，而不是结论。
数字落在中间的时候
中段的分数不代表工具失灵了。它通常意味着这首歌确实是混合的，或者被处理过：
- 重度母带处理或重新编码会把模型要听的痕迹弄模糊。
- 通过音箱重新录制——有人放一首 AI 歌再拿手机拍下来——会在上面再叠一层房间和麦克风。
- 混合作品是真实存在的：一个采样了 AI 分轨的真人制作人，或者一个在生成伴奏上录了人声的歌手，都会得到一个中间的分数，因为两件事都是真的。
接下来该怎么做：换一段 30 秒再检测（副歌和主歌的分数可能不同），尽量找你能找到的最高质量的来源，而不是二次上传的版本，再把结果和上面那些上下文线索放在一起权衡。把任何检测器——包括这个——当作证据，而不是定论。
如果你是在把自己的音乐提交到某处之前做检查，反过来也一样：你用 AI 音乐生成器做的歌会被读成 AI，这没关系，只要平台要求时你如实声明就行。我们的能不能把 AI 音乐上传到 Spotify 指南讲了主要发行商想知道什么。
常见问题
光靠听真的能分辨一首歌是不是 AI 吗？
有时候能。糊掉的镲片、不换气的人声和泛泛的歌词都是真实的破绽，偷懒生成的歌通常会有好几条。但用当下模型精心做出来的歌，往往一条你都听不出来，这就是检测器存在的原因。
AI 音乐检测器有多准？
没有哪个检测器是百分之百确定的。在干净的输入上，判断很清楚——我们的 Suno 歌得了 98%，1987 年的录音得了 0%。在中间的区间里，结果只是一种倾向。后期处理、重新录制和混合制作都会让数字移动。
多少钱？
每次检测 20 积分。积分来自任意套餐或积分包。跑不起来的检测会自动退款。
它能认出哪些生成器？
它用各大生成器——Suno、Udio、Mureka、ElevenLabs 等——的输出训练，结果会列出这首歌比对过的那些，比如 Lyria、SeedMusic、Sonauto 和 Riffusion。
能检测 Spotify 上的歌吗？
检测器接受 YouTube、TikTok、Instagram、X、Vimeo 和 Facebook 的链接。只在 Spotify 上有的歌，就去 YouTube 上找同一首，或者上传文件。
我的文件会怎样？
它只会为这一次检测发送到分析服务。网站保存的是结论，不是音频。粘贴的链接由服务直接抓取。
分数高是不是说明这首歌违反了什么规定？
不是。它只说明这段音频很可能是怎么做出来的。这重不重要，取决于这首歌要去哪里——比赛、发行商、授权——以及他们要求你声明什么。
写在最后
先从耳朵和上下文开始：糊掉的高频、从不换气的嗓音、没有任何具体细节的歌词、毫无过往的艺人，都值得留意。当答案真的要紧时，拿一个数字。把链接贴进或者把 30 秒上传到 AI 音乐检测，把结论和各生成器的得分放在一起看，介于 10% 和 90% 之间的任何结果，都当作需要再仔细看看的理由，而不是结论。