Suno ist tot. Ich hab mir meinen eigenen Musikgenerator gebaut.

Suno ist tot. Ich hab mir meinen eigenen Musikgenerator gebaut.

Zumindest für mich ist Suno tot. Ich brauch den Dienst nicht mehr, denn ich hab mir meinen eigenen Musikgenerator gebaut. Läuft komplett lokal auf meinem Mac. Kein Abo, kein Limit, keine Cloud.

Hörbeispiele

Unter dem Video kam die Kritik, man höre zu wenig Beispiele. Stimmt. Das hole ich hier nach: fünf Stücke aus meiner App, die ich mir selbst als Favoriten markiert habe. Alle komplett lokal auf dem Mac entstanden, unbearbeitet, so wie sie aus dem Generator kamen. Dazu jeweils die Stil-Tags, die ich eingegeben habe.

Der Auslöser

Suno hat vor Kurzem die Downloads gekappt: zwanzig Stück im Monat. Vorher unbegrenzt, jetzt zwanzig. Und da muss man echt mal drauf rumhacken, denn das ist eine Frechheit. Ich zahl seit Monaten für den Dienst, und jetzt, ohne dass ich irgendwas geändert hab, wird die Leistung einfach weniger. Gleicher Preis, weniger Gegenleistung. Da war für mich klar: Dann mach ich’s eben selbst.

Und es geht noch weiter: Wer mehr braucht, kann sich inzwischen zusätzliche Downloads kaufen. Ein Download 2,99 Dollar, drei für 8,95, fünf für 14,95, zehn für 29,90 Dollar. Obendrauf auf das Abo, wohlgemerkt. Für etwas, das vorher einfach drin war.

Was ich gebaut habe

Suno kennst du wahrscheinlich: KI-Musik aus Stil-Tags und Text, in der Cloud, mit Abo, jetzt eben auch mit Downloadlimit. Ich wollte wissen: Geht das auch komplett bei mir zu Hause? Ohne dass irgendwas irgendwohin geschickt wird, ohne Limit?

Also hab ich mir eine eigene Web-App gebaut, mit einer offenen KI namens ACE-Step als Motor. Die Oberfläche ist meine eigene, im Browser, läuft nur auf meinem Rechner. Ich geb Stil-Tags ein, zum Beispiel „trip hop, verträumt, kinoreif“, dazu Songtext oder einfach „Instrumental“ – und ab geht’s.

Dahinter arbeiten zwei Modelle: ein Sprachmodell mit 1,7 Milliarden Parametern, das meinen Text versteht und den Song plant, und ein zweites Modell, das daraus tatsächlich Audio synthetisiert. Zusammen sind das etwa acht Gigabyte an Modellen, einmal heruntergeladen, und die laufen nie wieder über Internet.

Probier die Oberfläche selbst aus

Das hier ist die echte Bedienoberfläche meiner App, zum Ausprobieren direkt im Browser. Regler ziehen, Würfel klicken, Stil-Chips antippen – alles funktioniert. Nur der GENERIEREN-Knopf ist deaktiviert, dafür liegen zwei echte Songs aus der App schon in der Bibliothek zum Anhören.

Echte Songs erzeugt nur die App auf deinem eigenen Rechner – dafür brauchst du das GitHub-Repository von unten.

Die App gibt es jetzt auf GitHub, kostenlos und quelloffen: github.com/rabbitfiremediacreation/music-generator. Dann kann sich jeder lokal seine eigene Musik basteln.

Noch nie von GitHub gehört? Kein Problem.

GitHub ist im Grunde eine riesige Online-Bibliothek für Programm-Code. Leute wie ich laden dort ihre Projekte hoch, kostenlos, und jeder kann sie sich herunterladen. Du brauchst dafür kein Konto und musst nichts installieren, um dir mein Projekt erst mal anzusehen.

So kommst du an die Dateien, ganz ohne Vorwissen:

1. Öffne den Link oben im Browser.
2. Klick oben rechts auf den grünen Knopf „Code“.
3. Wähl „Download ZIP“.
4. Entpack die heruntergeladene Datei irgendwo, zum Beispiel in deinem Benutzerordner.

Fertig, das ist der komplette Projektordner. Alles Weitere, also Installation und erster Song, erklär ich Schritt für Schritt in der Installationsanleitung, die im Projekt dabei ist, verständlich egal mit welchem Wissensstand du startest.

Jetzt auch für Windows

Der Music Generator läuft ab sofort auf Mac und Windows, aus demselben Projekt: https://github.com/rabbitfiremediacreation/music-generator

Was Windows braucht: Windows 10 oder 11 (64 Bit), eine NVIDIA-Grafikkarte mit aktuellem Treiber, mindestens 8 GB Arbeitsspeicher und 7 bis 11 GB freien Platz. Keine Admin-Rechte, kein Compiler, kein CUDA-Toolkit.

Installation: PowerShell öffnen, Projekt holen, Install.bat doppelklicken.

git clone https://github.com/rabbitfiremediacreation/music-generator.git $HOME\MusicGenerator

Der Installer prüft Grafikkarte, Speicher und Platz, schlägt das Sprachmodell vor, lädt die fertigen Programmdateien des Modellservers (ca. 180 MB) und die Modelle (4 bis 8 GB, mit Prüfsummen), testet die Grafikkarte und legt „Music Generator ON“ und „OFF“ auf den Desktop. Fragen wie am Mac: Enter übernimmt die Empfehlung. Er kann jederzeit erneut laufen, Erledigtes wird übersprungen.

Wichtig zur Grafikkarte:

• RTX 30xx und neuer rechnet über CUDA, das ist der schnelle Weg. Noch ungetestet, weil mir so eine Karte fehlt. Rückmeldung dazu wäre wertvoll.
• Ältere Karten (GTX 10xx, 16xx, RTX 20xx) nehmen automatisch Vulkan. Getestet auf einer GTX 1060 mit 6 GB: 30 Sekunden Song in etwa einer Minute, 90 Sekunden in etwa 2,5 Minuten.
• Der Grafikspeicher begrenzt die Modellwahl: unter 6 GB das 0.6B-Modell, 6 bis 7 GB 1.7B, ab 8 GB 4B. Der Installer wählt passend.

Unterschiede zum Mac: OFF beendet die Server, lässt den Browser-Tab aber offen. Logdateien liegen in data, Fehler zusätzlich in den .err.log-Dateien. Update, Bibliothek und Oberfläche sind identisch, der Update-Knopf in der App holt die neue Fassung für beide Systeme.

Anleitung: Die Installationsanleitung.pdf im Projekt beschreibt beide Systeme, Windows ab Seite 5, Hilfe bei Windows-Problemen auf Seite 8. Kurzfassung als Text: README-WINDOWS.md.

Sicherheit: Nach einem Hinweis eines Nutzers nimmt die App nur noch Aufrufe von localhost an, und der Update-Endpunkt verlangt einen Header, den fremde Webseiten nicht setzen können. Modelle kommen von einer festen Hugging-Face-Revision und werden per SHA-256 geprüft.

Bekannte Punkte beim Testen:

• Meldung über eine fehlende DLL beim Start: NVIDIA-Treiber aktualisieren.
• „ErrorOutOfDeviceMemory“ im Log: Grafikspeicher reicht nicht. Install erneut starten und ein kleineres Sprachmodell wählen.
• Installer bricht bei „Python-Pakete“ ab: uv python install 3.12 ausführen und erneut starten.

Der Trick mit dem Chip

Mein Mac hat einen M4-Chip mit extra Hardware für KI-Berechnungen. Aber: Das Sprachmodell liefert auf dieser Hardware bei mir kompletten Kauderwelsch. Deshalb läuft bei mir das Sprachmodell auf dem normalen Prozessor, dauert dann etwa zwanzig Sekunden, und nur die Musik-Synthese läuft auf der schnellen KI-Hardware.

Ich hab das gegengecheckt: Die Ergebnisse von beidem sind sich zu 95 % ähnlich, nur eben schneller. Faustregel bei mir: Ein Song mit anderthalb Minuten Länge braucht ungefähr vier Minuten Rechenzeit.

Der Extremtest: 50 statt 20

Und jetzt der Teil, der mir am meisten Spaß gemacht hat. Ich kann bis zu fünfzig Varianten von einem Song auf einmal in die Warteschlange stellen. Fünfzig – nicht zwanzig im Monat, sondern fünfzig auf einen Schlag. Über Nacht rechnen lassen, morgens durchhören.

Ich hab getestet, was passiert, wenn ich an zwei Reglern drehe: wie viele Rechenschritte das Modell macht, und wie kreativ, also wie „heiß“, es dabei sein darf. Zehn Schritte klingen matschig, kaum Struktur. Fünfzig Schritte sind schon ordentlich. Hundert Schritte machen kaum noch einen Unterschied zu fünfzig, nur teurer. Und bei der Kreativität: niedriger Wert klingt bieder und vorhersehbar, hoher Wert wird schnell schräg. Der Sweet Spot lag bei mir klar in der Mitte.

Jeder einzelne Song speichert übrigens automatisch Stil, Text, den Zufalls-Seed und alle Regler-Werte. Ich kann also jeden Treffer exakt nachbauen.

Ganz ehrlich: das Fazit

In meinen ersten Tests war’s deutlich schwieriger, richtig hochwertige Musik aus meiner lokalen Version rauszuholen. Aber nicht unmöglich. Die zehn Euro im Monat, die ich mir bei Suno spare, investier ich jetzt eben in meine eigene Zeit. Dafür kann ich mir fünfzig Songs gleichzeitig machen lassen und bin nicht auf zwanzig Downloads im Monat limitiert. Für mich ist der Deal das wert.

Würdet ihr euch KI-Musik lieber lokal selbst bauen, auch wenn’s mehr Arbeit macht, oder bleibt ihr bei der bequemen Cloud-Lösung, Downloadlimit hin oder her?

Das ausführliche Video dazu folgt in Kürze – ich verlinke es hier, sobald es fertig ist.