Spectral signature in generative AI music systems: a study on Suno v5.5

Öz

Generative AI based music systems have become increasingly widespread in music production processes in recent years, with their outputs reaching a level of perceptual quality capable of competing with human-made recordings. However, existing academic studies have not yet sufficiently examined, at the signal level, the structural traces that the probabilistic generation mechanisms of these systems may leave on audio signals. Existing evaluation approaches predominantly rely on perceptual criteria, while recurring spectral patterns that generative systems may produce remain largely absent from systematic analysis. This study aims to comparatively examine the spectral characteristics of a total of fifty pieces generated by the Suno v5.5 platform across five musical genres: pop, rock, jazz, electronic, and classical. Genre-specific prompts were designed to preserve the characteristic instrumentation and stylistic identity of each genre, with ten independent outputs obtained per genre. Within the scope of the study, four spectral metrics, namely spectral flatness, harmonic-to-noise ratio, high-frequency noise floor, and spectral entropy, were examined through statistical comparisons, effect size analyses, and coefficient of variation evaluations. To contextualise the findings, one human-made reference recording per genre was also analysed using the same parameters and compared against Suno outputs. The findings indicate statistically significant inter-genre differences across all four spectral metrics. At the same time, the low intra-genre variation observed particularly in spectral entropy and high-frequency noise floor suggests that certain spectral parameters tend to cluster within constrained distribution ranges independently of genre. When compared against human-made recordings, electronic music showed the most pronounced difference in high-frequency energy density, jazz exhibited the widest gap in spectral flatness, while classical music was the least divergent genre between the two sources. In light of these findings, it can be concluded that generative artificial intelligence music systems exhibit distinct spectral signatures in the frequency domain. In addition, these systems can be evaluated not only in terms of perceived audio quality but also through objective signal-level characteristics. Furthermore, the study proposes a methodological approach that may be used in future research on the detection and verification of AI-generated audio content.

Anahtar Kelimeler

• generative AI music
• audio signal processing
• Suno AI
• spectral analysis
• spectral signature
• harmonic-to-noise ratio

Üretken yapay zekâ müzik sistemlerinde spektral iz: Suno v5.5 üzerinden bir inceleme

Öz

Üretken yapay zekâ tabanlı müzik sistemleri, son yıllarda müzik üretim süreçlerinde giderek daha yaygın biçimde kullanılmakta, ürettikleri yapıtlar algısal kalite açısından insan üretimi kayıtlarla rekabet edebilir seviyeye ulaşmaktadır. Ancak mevcut akademik çalışmalar bu sistemlerin olasılıksal üretim mekanizmalarının ses sinyalleri üzerinde bırakabileceği yapısal izleri sinyal düzeyinde henüz yeterince incelememiştir. Mevcut değerlendirme yaklaşımları ağırlıklı olarak algısal ölçütlere dayanmakta, üretken sistemlerin spektral düzlemde oluşturabileceği tekrar eden örüntüler sistematik bir analizden yoksun kalmaktadır. Bu çalışma, Suno v5.5 platformu tarafından beş farklı müzik türünde (pop, rock, caz, elektronik ve klasik) üretilen toplam elli parçanın spektral özelliklerini karşılaştırmalı biçimde incelemeyi amaçlamaktadır. Her türün karakteristik enstrümantasyonunu ve stilistik yapısını koruyacak biçimde tasarlanan türe özgü prompt’larla her türden on üretim elde edilmiştir. Çalışma kapsamında spektral düzlük, harmonik-gürültü oranı, yüksek frekans gürültü tabanı ve spektral entropi olmak üzere dört temel ölçüt istatistiksel karşılaştırmalar, etki büyüklüğü analizleri ve varyasyon katsayısı değerlendirmeleri ile incelenmiştir. Bulguların daha geniş bir bağlamda yorumlanabilmesi amacıyla her türden birer insan üretimi kayıt da aynı parametrelerle analiz edilerek Suno çıktılarıyla karşılaştırılmıştır. Bulgular, incelenen tüm spektral ölçütlerde türler arasında istatistiksel olarak anlamlı farklılıklar bulunduğunu ortaya koymaktadır. Özellikle spektral entropi ve yüksek frekans gürültü tabanı ölçütlerinde gözlemlenen düşük tür içi varyasyon, belirli spektral parametrelerin türden bağımsız biçimde sınırlı dağılım aralıklarında kümelendiğine işaret etmektedir. İnsan üretimi kayıtlarla karşılaştırıldığında elektronik türünde yüksek frekans enerji yoğunluğunun, caz türünde ise spektral düzlük farkının belirgin biçimde öne çıktığı görülmüş, klasik tür iki kaynak arasında en az ayrışan grup olmuştur. Bu bulgular ışığında, üretken yapay zekâ müzik sistemlerinde frekans domeninde belirli spektral izlerin bulunduğu anlaşılmakta; bu sistemlerin yalnızca algısal kalite üzerinden değil, nesnel sinyal düzeyi özellikleri aracılığıyla da değerlendirilebileceği görülmektedir. Ayrıca çalışma, yapay zekâ üretimi ses içeriklerinin tespiti ve doğrulanmasına yönelik araştırmalar için kullanılabilecek yöntemsel bir yaklaşım önermektedir.

Anahtar Kelimeler

• üretken yapay zekâ müziği
• ses sinyali işleme
• Suno AI
• spektral analiz
• spektral iz
• harmonik-gürültü oranı

Kaynakça

1. Afchar, D., Meseguer-Brocal, G., Akesbi, K., & Hennequin, R. (2025). A Fourier explanation of AI-music artifacts. Proceedings of the 26th International Society for Music Information Retrieval Conference. https://doi.org/10.48550/arXiv.2506.19108
2. Agostinelli, A., Denk, T. I., Borsos, Z., Engel, J., Verzetti, M., Caillon, A., Huang, C.-Z. A., Jansen, A., Roberts, A., Tagliasacchi, M., Sharifi, M., Zeghidour, N., & Frank, C. (2023). MusicLM: Generating music from text. arXiv. https://doi.org/10.48550/arXiv.2301.11325
3. Boersma, P. (1993). Accurate short-term analysis of the fundamental frequency and the harmonics-to-noise ratio of a sampled sound. Proceedings of the Institute of Phonetic Sciences, 17, 97-110.
4. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2. bs.). Lawrence Erlbaum Associates.
5. Dubnov, S. (2004). Generalization of spectral flatness measure for non-Gaussian linear processes. IEEE Signal Processing Letters, 11(8), 698-701. https://doi.org/10.1109/lsp.2004.831663
6. Harris, F. J. (1978). On the use of windows for harmonic analysis with the discrete Fourier transform. Proceedings of the IEEE, 66(1), 51-83. https://doi.org/10.1109/proc.1978.10837
7. Ho, J., Jain, A., & Abbeel, P. (2020). Denoising diffusion probabilistic models. Advances in Neural Information Processing Systems, 33, 6840-6851. https://proceedings.neurips.cc/paper/2020/file/4c5bcfec8584af0d967f1ab10179ca4b-Paper.pdf
8. Johnston, J. D. (1988). Transform coding of audio signals using perceptual noise criteria. IEEE Journal on Selected Areas in Communications, 6(2), 314-323. https://doi.org/10.1109/49.608

9. Kilgour, K., Zuluaga, M., Roblek, D., & Sharifi, M. (2019). Fréchet audio distance: A reference-free metric for evaluating music enhancement algorithms. Interspeech 2019 içinde (s. 2350-2354). https://doi.org/10.21437/interspeech.2019-2219
10. Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583-621. https://doi.org/10.1080/01621459.1952.10483441
11. Kvålseth, T. O. (2017). Coefficient of variation: The second-order alternative. Journal of Applied Statistics, 44(3), 402-415. https://doi.org/10.1080/02664763.2016.1174195
12. Lartillot, O., & Toiviainen, P. (2007). MIR in MATLAB (II): A toolbox for musical feature extraction from audio. Proceedings of the 8th International Conference on Music Information Retrieval, 127-130.
13. McFee, B., Raffel, C., Liang, D., Ellis, D. P. W., McVicar, M., Battenberg, E., & Nieto, O. (2015). Librosa: Audio and music signal analysis in Python. Proceedings of the Python in Science Conference, 18-24. https://doi.org/10.25080/majora-7b98e3ed-003
14. Qi, Y., & Hillman, R. E. (1997). Temporal and spectral estimations of harmonics-to-noise ratio in human voice signals. The Journal of the Acoustical Society of America, 102(1), 537-543. https://doi.org/10.1121/1.419726
15. Schedl, M., Gómez, E., & Urbano, J. (2014). Music information retrieval: Recent developments and applications. Foundations and Trends in Information Retrieval, 8(2-3), 127-261. https://doi.org/10.1561/1500000042
16. Shannon, C. E. (1948). A mathematical theory of communication. The Bell System Technical Journal, 27(3), 379-423. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x
17. Skovenborg, E., & Nielsen, S. H. (2004). Evaluation of different loudness models with music and speech material. Proceedings of the 117th AES Convention. Audio Engineering Society.
18. Suno. (2026). Suno: AI music generation platform [Bilgisayar yazılımı]. 28 Nisan 2026 tarihinde https://suno.com/ adresinden erişildi.
19. Tomczak, M., & Tomczak, E. (2014). The need to report effect size estimates revisited. An overview of some recommended measures of effect size. Trends in Sport Sciences, 21(1), 19-25.
20. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30, 5998-6008. https://doi.org/10.48550/arXiv.1706.03762
21. Yumoto, E., Gould, W. J., & Baer, T. (1982). Harmonics-to-noise ratio as an index of the degree of hoarseness. The Journal of the Acoustical Society of America, 71(6), 1544-1550. https://doi.org/10.1121/1.387808