Este es el primero de una serie de artículos en los que analizaremos en profundidad la irrupción de la inteligencia artificial en el ecosistema del audio profesional. No desde la divulgación superficial, sino desde la perspectiva del técnico y el productor que necesita entender qué está pasando realmente, qué implica para su trabajo y cómo posicionarse ante un cambio que ya es irreversible.
Empezamos por Suno. No porque sea la única herramienta relevante, sino porque es la que más rápido ha llegado al imaginario colectivo del sector — y la que más preguntas incómodas genera.
Qué es Suno
Suno es una plataforma de generación musical basada en inteligencia artificial desarrollada por Suno, Inc., una startup fundada en 2021 en Cambridge, Massachusetts, por Michael Shulman, Georg Kucsko, Martin Camacho y Keenan Freyberg, todos ellos ingenieros procedentes de Kensho Technologies, una empresa de análisis de datos financieros adquirida por S&P Global. El dato es relevante: los fundadores no vienen del mundo de la música sino de la ingeniería de datos y el aprendizaje automático. Suno es, antes que nada, un producto tecnológico con ambición de mercado masivo.
La plataforma permite generar canciones completas — con voz, instrumentación, estructura y letra — a partir de un prompt de texto. En 30 a 60 segundos. Sin conocimientos musicales previos. Eso es lo que la diferencia de cualquier herramienta anterior: no genera loops, samples ni fragmentos. Genera una canción con intro, estrofas, estribillo y outro, mezclada y masterizada, lista para reproducirse.
En junio de 2026, Suno opera con aproximadamente 2 millones de suscriptores de pago, genera en torno a 7 millones de canciones al día y acaba de cerrar una ronda de financiación de más de 400 millones de dólares que valora la empresa en 5.400 millones de dólares. Estos números no son anecdóticos: definen la escala a la que opera esta tecnología y el peso que tiene en la conversación sobre el futuro de la industria musical.
La arquitectura técnica: Bark, Chirp y cómo se genera el audio
Para entender qué hace Suno realmente, hay que entender cómo lo hace. La plataforma combina dos modelos de redes neuronales con funciones complementarias.
Bark: síntesis de voz y melodía vocal
Bark es el modelo responsable de la síntesis de voz. No es un sistema de text-to-speech convencional — es un modelo generativo de texto a audio que sigue una arquitectura estilo GPT, similar a AudioLM y Vall-E, con representación cuantizada de audio basada en EnCodec. Lo que esto significa en la práctica es que Bark no convierte texto en fonemas y luego en audio, sino que genera directamente representaciones de audio token a token, lo que le permite producir voces con variaciones naturales de entonación, emoción e incluso imperfecciones humanas. Suno reconoció públicamente a AudioLM como referencia de diseño para Bark.
El modelo opera con un sistema jerárquico de tokens de audio: primero genera tokens semánticos a partir del texto, luego tokens gruesos (coarse tokens) que representan la estructura general del audio, y finalmente tokens finos que añaden detalle y textura. Este proceso multinivel es lo que permite que las voces generadas por Suno suenen con una cohesión que otros sistemas de síntesis vocal no logran.
Chirp: instrumentación y estructura musical
Chirp es el modelo encargado de la instrumentación. Gestiona la generación de todos los elementos no vocales: ritmo, armonía, timbre instrumental, textura de producción y estructura de la canción. Junto con Bark, forma lo que Suno describe como una arquitectura de modelos especializados que trabajan en coordinación para producir una mezcla coherente.
Cuando introduces un prompt en Suno, el pipeline funciona así: un codificador de texto analiza las palabras clave — género, estado de ánimo, tempo, referencias estilísticas — y las convierte en una representación de alta dimensionalidad. A partir de ahí, el modelo de secuencias extrae características musicales: melodía, armonía, ritmo y timbre. Bark y Chirp trabajan de forma paralela y coordinada para generar el audio final, que incluye mezcla automática y un proceso de masterización integrado.
La versión 5.5, lanzada el 26 de marzo de 2026, introduce además tres funciones que amplían sustancialmente el control del usuario sobre el output: Voices, que permite capturar o subir la propia voz cantada del usuario para utilizarla como base de generación; Custom Models, que permite entrenar el modelo con pistas originales propias para desarrollar un estilo propio consistente; y My Taste, un sistema de aprendizaje de preferencias basado en el historial de generaciones del usuario.
Suno Studio: el entorno de producción avanzado
Lanzado a principios de 2025 y disponible para suscriptores Pro y Premier, Suno Studio representa la evolución de la plataforma hacia un entorno de trabajo con capacidades cercanas a las de un DAW básico. Sus funciones principales incluyen separación de hasta 12 stems en formato WAV sincronizado — voces, batería, bajo, guitarras y otros elementos — exportación de MIDI e integración con DAWs como Ableton Live o Logic Pro. Esto cambia sustancialmente el caso de uso: Suno Studio no está pensado solo para generar canciones terminadas, sino para producir material que luego puede editarse, manipularse y refinarse en un flujo de producción profesional.
Evolución del modelo: de v1 a v5.5
Entender la trayectoria de versiones de Suno es importante porque ilustra la velocidad de mejora de estos sistemas y dónde se encuentran ahora mismo sus capacidades reales.
Las primeras versiones del modelo — la era Bark inicial — eran demostraciones técnicas impresionantes pero con salida audiblemente artificial: voces con artefactos evidentes, instrumentación genérica y letras con problemas de métrica y coherencia. Suficiente para llamar la atención, insuficiente para ningún uso profesional real.
La v4, lanzada en noviembre de 2024, estableció la primera versión que generó debate serio en el sector: la calidad vocal y la producción alcanzaron un nivel que, en determinados géneros y estilos, resultaba difícil de distinguir de una producción humana de nivel medio. La v4.5, en mayo de 2025, añadió generación de tracks de hasta 8 minutos y la posibilidad de añadir capas vocales o instrumentales sobre material existente.
La v5, lanzada en septiembre de 2025, supuso el salto cualitativo más importante hasta la fecha: mejoras del 40 al 60% en calidad vocal respecto a v4, profundidad emocional más convincente en la voz, mezclas más equilibradas y una consistencia lírica notablemente superior. Es el modelo que abrió la conversación sobre si Suno había cruzado un umbral de calidad profesional real o seguía siendo una herramienta de demostración sofisticada.
La v5.5, en marzo de 2026, añade las funciones de personalización mencionadas anteriormente — Voices, Custom Models, My Taste — y se posiciona como la base técnica sobre la que Suno construirá sus colaboraciones con la industria a lo largo de 2026.
Planes y precios: cómo accede el profesional
Suno opera con un modelo freemium con cuatro niveles:
- Plan gratuito: 50 créditos diarios (aproximadamente 10-12 canciones), acceso al modelo v4.5, sin derechos comerciales. Todo lo generado pertenece a Suno.
- Plan Basic: acceso a v5, derechos comerciales sobre el output, sin acceso a Suno Studio.
- Plan Pro: acceso completo a v5.5, Suno Studio con separación de stems, Voices y Custom Models. El nivel de entrada para uso profesional real.
- Plan Premier: mayor volumen de generación, prioridad en la cola de procesamiento y acceso anticipado a nuevas funciones.
El detalle crítico para cualquier profesional que considere usar Suno en proyectos comerciales: incluso en los planes de pago, la política de derechos no otorga al usuario la propiedad del output en el sentido tradicional del copyright. Se trata de una licencia de uso comercial, no de una cesión de derechos. Además, hay informes de que Suno reclama hasta un 50% de los derechos de composición cuando el usuario aporta letra propia. Antes de comprometer cualquier proyecto comercial con material generado en Suno, la lectura detallada de los términos de servicio vigentes debe tomarse en serio.
El problema legal: la demanda más importante de la industria musical en décadas
No se puede hablar de Suno en 2026 sin hablar del frente legal, porque define de forma determinante el futuro de la plataforma y de toda la industria de generación musical por IA.
En junio de 2024, la RIAA presentó demandas por infracción de derechos de autor contra Suno y Udio en nombre de Universal Music Group, Sony Music Entertainment y Warner Music Group. La acusación central: haber entrenado los modelos con grabaciones protegidas por copyright sin autorización. La demanda original contra Suno citaba 560 obras.
La respuesta de Suno ha sido consistente desde el principio: reconoce haber entrenado con material protegido, pero argumenta que ese uso está cubierto por la doctrina del fair use bajo la ley de copyright estadounidense. Es una posición legal arriesgada pero coherente con la estrategia de la empresa, que prefiere un precedente judicial favorable a un acuerdo que limite sus capacidades de entrenamiento futuras.
El panorama se ha fragmentado desde entonces. Warner Music Group llegó a un acuerdo con Suno en noviembre de 2025, retiró su demanda y firmó un acuerdo de licencia que incluye la adquisición de Songkick por parte de Suno. Universal Music Group y Sony Music siguen adelante con la demanda. En mayo de 2026, UMG y Sony presentaron una moción para ampliar la demanda con más de 61.000 grabaciones adicionales, identificadas mediante tecnología de audio fingerprinting aplicada directamente a los outputs de Suno. El descubrimiento de hechos (fact discovery) tiene fecha límite el 26 de junio de 2026, aunque las partes han discutido una posible extensión hasta agosto.
Paralelamente, artistas independientes presentaron demandas colectivas contra Suno y Udio en octubre de 2025, argumentando que los acuerdos entre majors y plataformas de IA no protegen a los creadores no vinculados a grandes sellos. Y la sociedad de gestión alemana GEMA presentó su propia demanda en enero de 2025.
El resultado de estos procesos no afecta solo a Suno: establecerá el marco legal bajo el que operará toda la industria de generación musical por IA en el ámbito occidental. Es, en ese sentido, el litigio más importante que ha vivido la industria musical desde los casos de intercambio de archivos P2P de principios de los 2000.
Qué puede hacer Suno realmente y qué no puede hacer
Separar lo que Suno hace bien de lo que no hace todavía es esencial para cualquier análisis honesto. El hype en torno a estas herramientas tiende a oscurecer ambos extremos.
Dónde Suno funciona bien
Suno genera resultados convincentes en géneros con estructuras y estilos bien representados en su corpus de entrenamiento: pop, rock, hip-hop, electrónica, country, R&B. En estos géneros, la v5 puede producir demos de calidad suficiente para presentar ideas a clientes, explorar direcciones de producción o generar fondos musicales para contenido audiovisual. También es una herramienta eficaz para jingles y música de uso publicitario donde la velocidad de prototipado tiene más valor que la originalidad profunda. La separación de stems en Suno Studio abre posibilidades reales de integración en flujos de producción profesional: tomar el bajo generado por Suno, el loop de batería o la melodía vocal y trabajarlos en un DAW.
Dónde Suno tiene limitaciones reales
Fuera de los géneros occidentales mainstream, los resultados se degradan de forma notable. Estilos con particularidades microtonales, rítmicas complejas o convenciones de producción menos representadas en los datos de entrenamiento producen resultados inconsistentes. Las letras en idiomas distintos al inglés presentan problemas de métrica y coherencia gramatical. La repetibilidad es un problema estructural: el mismo prompt puede producir resultados muy distintos entre generaciones, lo que dificulta el control creativo en proyectos donde la consistencia importa. Y la longitud máxima de generación de 8 minutos, aunque suficiente para la mayoría de usos, limita la utilidad en producción cinematográfica o instalaciones sonoras de larga duración.
La limitación más importante, sin embargo, no es técnica: es de autoría. Suno no entiende la música. Genera estadísticas de alto nivel sobre qué suena como lo que se pide. La diferencia entre una buena canción y una colección de convenciones estilísticas bien ejecutadas sigue siendo, hoy, territorio humano.
Qué significa esto para el técnico y el productor profesional
La pregunta que se hace cualquier profesional del sector al enfrentarse a Suno no es «¿es impresionante?» — eso ya no está en discusión — sino «¿qué cambia para mí?».
La respuesta honesta en 2026 es: depende de tu posición en la cadena de valor.
Si tu trabajo consiste en generar demos, ideas o material de referencia para clientes, Suno ya es una herramienta que puede acelerar significativamente ese proceso. No para sustituir el resultado final, sino para comprimir el tiempo entre la idea y la validación del cliente. Un productor que antes necesitaba dos días para grabar una demo de referencia puede ahora tener cinco variaciones en dos horas.
Si tu trabajo está en la producción de catálogo musical de bajo presupuesto — librerías de música funcional, fondos para contenido digital, música para publicaciones en redes — la presión sobre las tarifas ya es real y va a aumentar. No porque Suno produzca mejor música que un compositor humano, sino porque el umbral de calidad suficiente para ese uso específico ya está cubierto por la IA en muchos casos.
Si tu trabajo está en la producción de alto nivel, la composición con voz artística propia, la ingeniería de sonido en directo o la instalación audiovisual, el impacto directo es menor a corto plazo. Pero la presión indirecta sobre la percepción de valor del trabajo creativo ya está llegando, y el profesional que no entiende estas herramientas no puede argumentar con autoridad por qué su trabajo tiene un valor diferencial.
Entender Suno no es opcional para ningún profesional del audio en 2026. No para usarlo necesariamente, sino para poder posicionarse con conocimiento frente a clientes, empleadores y colaboradores que lo van a usar.
Conclusión: esto es solo el principio
Suno no es el destino. Es el primer sistema que ha hecho visible para el público general lo que la generación de audio por IA puede hacer. Las versiones que vendrán en 18 a 24 meses serán cualitativamente superiores en todos los parámetros que hoy identificamos como limitaciones: control de estilo, coherencia en idiomas distintos al inglés, integración con flujos de producción profesional, resolución legal del uso de datos de entrenamiento.
El litigio que Suno está librando contra UMG y Sony no es solo una disputa corporativa. Es la negociación sobre qué modelo económico regulará la IA musical durante la próxima década: si el entrenamiento con material protegido es fair use o requiere licencia, si los acuerdos con majors son suficientes o el sistema necesita compensar a artistas independientes, y quién controla los datos que definen el sonido de los modelos del futuro.
En SonidoenRed seguiremos cubriendo esta evolución con el mismo criterio técnico. El próximo artículo de esta serie analizará Udio, el otro gran competidor en el espacio de generación musical por IA, y sus diferencias técnicas y de modelo de negocio respecto a Suno. Después abordaremos las herramientas de IA aplicadas específicamente al audio en directo y al procesamiento de señal — un territorio menos visible pero con impacto directo en el trabajo diario del técnico de sonido.
Comentarios (0)
Inicia sesión para dejar un comentario.
Sé el primero en comentar.