Ahora hay una máquina que escuchará una canción y te dirá, con un número, cuánto le gustará al mundo. Investigadores del AMAAI Lab en la Universidad de Tecnología y Diseño de Singapur la construyeron. Se llama APEX, y fue entrenada con más de 211,000 canciones generadas por IA, aproximadamente 10,000 horas de audio extraído de Suno y Udio, para predecir conjuntamente dos cosas: popularidad bruta, es decir, streams y likes, y cinco dimensiones separadas de calidad estética percibida, extraídas de embeddings de audio congelados generados por un modelo llamado MERT. El hallazgo incómodo enterrado en el documento es que la máquina es mucho mejor juzgando si una canción suena bien que juzgando si a la gente realmente le encantará, y lo hace notablemente mejor en pistas instrumentales que en cualquier cosa con voces, donde el gusto se vuelve más complicado y humano. En otras palabras: la IA puede aproximarse a la artesanía. La química con una audiencia sigue siendo más resbaladiza. Para ser claros sobre lo que APEX realmente es: no es una aplicación para consumidores y no hay un sitio web donde un oyente casual pueda introducir una canción y recibir una puntuación. El AMAAI Lab lo lanzó como código de investigación gratuito y de código abierto en GitHub y como un modelo descargable en Hugging Face, el centro en línea donde los desarrolladores comparten modelos de aprendizaje automático, bajo una licencia permisiva que permite a cualquiera usar, copiar o construir sobre él. Probarlo requiere cierta comodidad técnica. Un usuario necesita tener Python instalado, junto con un puñado de bibliotecas de aprendizaje automático como PyTorch, luego descarga el modelo preentrenado y lo apunta a un archivo de audio en su propia computadora. Alimente un MP3 y devuelve un conjunto de números: una puntuación de streams predicha, una puntuación de likes predicha y cinco calificaciones estéticas separadas que cubren cualidades como coherencia, musicalidad, memorabilidad, claridad y naturalidad. No hay una interfaz de botón y control deslizante diseñada para músicos o fanáticos, en otras palabras, esta es una herramienta hecha para que otros investigadores e ingenieros la prueben y construyan sobre ella, no algo que un compositor pueda abrir en una pestaña del navegador y usar mientras toma café. Esa brecha importa porque la industria que avanza más rápido para responderla es Suno, la empresa de música AI de Cambridge, Massachusetts, que ha convertido "escribe un prompt, recibe una canción" en un negocio que genera aproximadamente 7 millones de pistas al día. Suno ya tiene una herramienta construida precisamente para el instinto de tomar algo amado y construir algo adyacente a ello. Su función de subir y cubrir permite a un usuario introducir un archivo de audio existente, uno que debe confirmar que posee los derechos, y reescribirlo en un nuevo estilo mientras la melodía subyacente sobrevive a la transformación. Alimente una balada de piano despojada y pida djent, o una melodía folclórica y pida Afrobeat, y el esqueleto del original se mantiene mientras la piel cambia por completo. Es, funcionalmente, una máquina para centrarse en lo que hizo que una canción funcionara y reconstruir una nueva alrededor de esa misma columna vertebral. Suno acaba de envolver esa capacidad, y mucho más, en v6, una familia de tres nuevos modelos lanzados el 9 de septiembre. El buque insignia v6, un v6-wild experimental y un v6-mini gratuito son los primeros modelos de la compañía entrenados desde cero en un catálogo que realmente licenció, de Warner Music Group, BMG y el distribuidor independiente Believe. Warner firmó su acuerdo el 25 de noviembre de 2025, poniendo fin a la demanda por derechos de autor que había presentado contra Suno. BMG siguió el 12 de agosto de 2026, cubriendo tanto grabaciones como publicaciones. Believe y su brazo TuneCore firmaron un día antes del lanzamiento. El director de producto de Suno dijo a Bloomberg que la compañía ahora compartirá un porcentaje de los ingresos con esos socios a partir del día del lanzamiento, con los sellos responsables de dividir ese dinero entre sus propios artistas y compositores en el futuro. El cofundador y director ejecutivo Mikey Shulman lo enmarcó como una vindicación después de dieciocho meses de ser tratado como el villano más conveniente de la industria. Suno ha soportado una filtración de hackers que alegaba que sus modelos se entrenaron con audio extraído, una admisión de que extrajo datos de YouTube, y un avión con un cartel que decía "Say No To Suno" volando sobre una cumbre de inversores de IA donde Shulman estaba hablando. La compañía también acaba de recaudar $400 millones a una valoración de $5.4 mil millones, y a principios de este año había sido utilizada por más de 100 millones de personas, con 2 millones de suscriptores de pago. Ninguno de esos buenos deseos se extiende a Universal Music Group o Sony Music, que nunca firmaron acuerdos de licencia y en su lugar presentaron una segunda demanda contra Suno el 18 de septiembre, una queja de 45 páginas en un tribunal federal en Boston que añade más de 60,000 grabaciones específicas a sus reclamaciones. Su argumento es que entrenar un nuevo modelo supuestamente limpio en los resultados de uno viejo, supuestamente infractor, no elimina la infracción, llamando memorablemente a v6 "el fruto del mismo árbol envenenado". Bajo el límite de la ley de derechos de autor de EE. UU. de $150,000 por obra por infracción intencionada, el máximo teórico sobre la mesa ahora supera los $9 mil millones. Suno también perdió, de manera decisiva, en un tribunal de Múnich en julio. La sociedad de derechos musicales de Alemania, GEMA, demandó por seis composiciones específicas, incluyendo pistas conocidas como Rasputin y Mambo No. 5, y el Tribunal de Distrito de Múnich rechazó la defensa de uso justo de Suno de manera contundente, dictaminando que la compañía había operado activamente el modelo en lugar de simplemente albergar infraestructura neutral, y ordenando que divulgara la escala de su uso y pagara daños. El razonamiento del tribunal se basó en una distinción contundente: puede ser uso justo copiar de un libro para escribir una reseña, pero no robar el libro para hacer la copia. Ponga esos hilos juntos y la imagen es de una industria corriendo en dos direcciones a la vez. Por un lado, el aprendizaje automático que ahora puede puntuar el pulido estético de una pista y predecir, con precisión real pero limitada, cómo podría responder una audiencia. Por el otro, una herramienta que permite a cualquiera tomar la canción que obtuvo una buena puntuación, o simplemente la canción que ama personalmente, y generar un primo cercano de ella en segundos. La tecnología para identificar lo que se ama y la tecnología para replicarlo han llegado en el mismo producto, en la misma compañía, en el mismo mes en que dos de los tres sellos más grandes del mundo decidieron luchar en los tribunales en lugar de cobrar un cheque.