AI 작곡 프로그램 활용 방안 연구 : Suno AI를 중심으로 = A Study on the Utilization of AI-Based Music Composition Systems: Focusing on Workflow Analysis and Creative Collaboration through Suno AI

다국어 초록 (Multilingual Abstract)

The recent development of generative artificial intelligence has led to the emergence of composition tools capable of generating complete songs from text prompts and minimal input. In particular, services such as ‘Suno’ integrate lyrics, style prompts, meta-tags, and audio references to automatically produce finished demos that include melody, harmony, arrangement, vocals, and mix, thereby greatly enhancing the efficiency and accessibility of music creation. In practice, however, such tools are often treated either as performance-oriented technologies—evaluated mainly by how fast and how well they generate music—or as experimental gadgets, and there is still a lack of research that examines their relationship with role-based creative practices such as lyric writing, singing, instrumentation, and drumming.
This study views Suno not as a mere automatic composition engine but as a composition system that reorganizes role-based creation, and aims to analyze how each creative role can collaborate with Suno in terms of concrete workflows. First, the historical development of composition tools is reviewed to show how the transition from notation-based tools to mechanical and electronic instruments, digital audio workstations, and virtual instrument/sample-based environments has reshaped the roles and workflows of composers. Then Suno is selected as the primary research object, and its operating principles, version evolution, main interface tabs and functions, as well as prompt and meta-tag structures are examined as a technical foundation for role-based use. The core analytical units are four roles—lyricist, vocalist, instrumentalist/arranger, and drummer/rhythm player. For each role, the study distinguishes between text-based and audio-based workflows and presents step-by-step procedures and practical examples using Suno’s Create, Studio, and various editing functions.
The results show that role-based work with Suno has clear advantages in terms of creative efficiency, accessibility, and reproducibility. Lyricists can design narrative and dynamics through meta-tags and lyric structure; vocalists can propose melodies and emotional contours via text or audio guides; instrumental and drum roles can provide chord progressions and grooves as audio references to define the skeletal and temporal structure of a piece. By selectively replacing or extending specific sections with Studio’s editing tools, creators can finely adjust “how far humans design and from which point the system is delegated” for each role. At the same time, several limitations also emerge, including sonic biases arising from Suno’s training data and presets, the difficulty of prompt design, and unresolved issues of copyright and responsibility.
By describing a Suno-centered creative process from a role-based perspective, this study argues that the introduction of generative AI composition tools should be understood not as a matter of replacing human creators, but as a matter of role redistribution and collaboration design. The four proposed role-specific workflows and examples offer a practical framework for using Suno as a tool for education, creation, and collaboration in applied music contexts, and may serve as a reference for future comparative studies of AI music tools, empirical research with students and professional creators, and further work linking AI-based creation to copyright and industrial change.

국문 초록 (Abstract)

생성형 인공지능의 발전은 텍스트 프롬프트와 최소한의 입력만으로 곡 전체를 생성할 수 있는 작곡 도구의 등장을 가져왔다. 특히 'Suno'와 같은 서비스는 가사, 스타일 프롬프트, 메타태그, 오디오 레퍼런스를 통합하여 멜로디, 화성, 편곡, 보컬, 믹스를 포함한 완성형 데모를 자동 생성함으로써, 음악 창작의 효율성과 접근성을 크게 높이고 있다. 그러나 현장에서는 이 도구들을 주로 '얼마나 빨리, 얼마나 잘 만들어 주는가'라는 성능 중심 관점이나, 단순한 실험적 도구로 소비하는 경향이 강하며, 작사가, 보컬, 기악, 드럼 등 역할별 창작 방식과의 관계를 논의한 연구는 부족한 실정이다.
본 논문은 Suno를 단순한 자동 작곡기가 아닌 '역할 기반 창작을 재구성하는 작곡 시스템'으로 바라보고, 각 창작 역할이 Suno와 어떤 방식으로 협업할 수 있는지를 작업흐름 차원에서 분석하는 것을 목적으로 한다. 이를 위해 먼저 작곡 도구의 역사적 발전 과정을 검토하여, 필기 기반 전통 작곡 도구에서 기계식, 전자식 악기, 디지털 오디오 워크스테이션, 가상악기와 샘플 기반 환경에 이르기까지 도구의 변화가 작곡가의 역할과 작업흐름을 어떻게 재편해 왔는지 정리하였다. 다음으로 Suno를 연구 대상으로 선정하고, 작동 원리와 버전별 발전 과정, 주요 탭 구성과 세부 기능, 프롬프트와 메타태그 체계를 탐구하여 역할별 활용을 위한 기술적 기반을 마련하였다. 본 연구의 핵심 분석 단위는 작사가, 보컬, 기악(악기, 편곡), 드럼, 리듬 네 가지 역할이며, 각 역할에 대해 텍스트 기반 작업흐름과 오디오 기반 작업흐름을 구분하여, Suno의 Create와 Studio, 다양한 수정 기능을 활용한 단계별 절차와 실제 작업예시를 제시하였다.
연구 결과, Suno 기반 역할별 작업은 창작 효율성, 접근성, 재현성 측면에서 분명한 장점을 지닌다. 작사는 메타태그와 가사 구조를 통해 곡의 서사와 다이내믹을 기획하고, 보컬은 텍스트 혹은 오디오 가이드로 멜로디와 감정선을 선제적으로 제시할 수 있으며, 기악과 드럼 역할은 코드 진행과 그루브를 오디오 레퍼런스로 제공함으로써 곡의 골격과 시간 구조를 설계할 수 있다. Studio의 다양한 수정 기능을 활용하면 특정 구간만 선택적으로 치환하거나 확장할 수 있어, '어디까지 인간이 설계하고 어디서부터 Suno에 위임할 것인지'를 역할별로 세밀하게 조정할 수 있었다. 동시에, Suno의 학습 데이터, 프리셋에 따른 사운드 경향성, 프롬프트 설계 난이도, 저작권과 책임 귀속 문제 등도 한계로 드러났다.
본 연구는 Suno를 중심으로 생성형 AI 기반 작곡 도구를 역할 기반 창작이라는 관점에서 기술함으로써, 도구의 도입이 인간 창작자를 대체하는 문제가 아니라 역할 재배치와 협업 구조 설계의 문제임을 강조한다. 제시된 네 역할별 작업흐름과 작업예시는 실용음악 현장에서 Suno를 교육과 창작, 협업 도구로 활용할 수 있는 틀을 제공하며, 향후 다른 AI 음악 도구와의 비교 연구, 학습자 및 현업 창작자를 대상으로 한 실증 연구, 저작권 및 산업 구조 변화와 연계한 후속 연구의 기초 자료로 활용될 수 있을 것이다.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구의 목적 1
• 2. 연구의 범위 및 방법 2
• Ⅱ. 선행연구 4
• 1. 작곡 도구의 발전과 창작 방식의 변화 4
• 1.1 필기 기반 전통 작곡 도구의 시대(15~19세기) 5
• 1.2 기계식·전자식 음악 도구의 등장(20세기 초~중반) 7
• 1.3 디지털 음악 도구의 발전(1970~2000년대) 9
• 1.4 가상악기와 샘플 기반 창작의 시대(2000~2020년대) 12
• 2. 작곡 도구의 발전이 가져온 창작 방식의 변화 15
• Ⅲ. 본론 18
• 1. 생성형 인공지능 기반 작곡 도구의 등장 18
• 2. 연구 대상 선정: Suno AI 20
• 2.1 다양한 AI 음악 생성 도구들의 비교 21
• 2.2 Suno가 지닌 구조적, 기술적 특성 22
• 2.3 본 연구에서 Suno를 중심으로 하는 이유 23
• 3. Suno란 무엇인가? 25
• 3.1 Suno의 작동 원리 26
• 3.2 버전별 발전 과정 28
• 3.3 Suno가 제시하는 '모델 중심 작곡'의 개념 31
• 4. Suno의 기능 및 용어정리 32
• 4.1 주요 탭 구성 34
• 4.2 Create의 세부 기능 37
• 4.3 Studio 기반 편집 기능 40
• 4.4 다양한 수정 기능들 42
• 4.5 프롬프트, 가사 입력 시 사용되는 용어 정리 45
• 5. 역할 기반 창작 활용방안 49
• 5.1 역할 기반 활용이 필요한 이유 49
• 5.2 작사가 관점의 작업흐름 51
• 5.2.1 작업예시 54
• 5.3 보컬 관점의 작업흐름 59
• 5.3.1 텍스트 기반 보컬 작업흐름 60
• 5.3.2 오디오 기반 보컬 작업흐름 62
• 5.3.3 작업예시 64
• 5.4 기악(악기·편곡) 관점의 작업흐름 66
• 5.4.1 텍스트 기반 기악·편곡 작업흐름 67
• 5.4.2 오디오 기반 기악·편곡 작업흐름 69
• 5.4.3 작업예시 70
• 5.5 드럼·리듬 관점의 작업흐름 73
• 5.5.1 텍스트 기반 드럼·리듬 작업흐름 73
• 5.5.2 오디오 기반 드럼·리듬 작업흐름 75
• 5.5.3 작업예시 77
• 6. Suno 기반 창작 방식의 장점과 한계 80
• 6.1 창작 효율성, 접근성, 재현성 측면의 장점 80
• 6.2 정체성, 결과 통제력, 스타일 다양성 측면의 한계 82
• 6.3 역할 기반 관점에서 나타나는 문제점 84
• 7. 생성형 AI 음악과 저작권 및 부작용의 현황 88
• 7.1 해외 저작권 분쟁과 산업 재편 88
• 7.2 AI 보컬, 퍼블리시티, ‘딥페이크’ 음악 사례 90
• 7.3 국내 AI 음악·커버 사례와 규제 동향 92
• 7.4 Suno 기반 역할별 작업과 저작권, 책임
• 논의의 접점 96
• 8. 종합적 논의 97
• 8.1 Suno가 제시한 새로운 창작 패러다임 97
• 8.2 역할 기반 창작 방식 재배치 100
• 8.3 미래 음악 창작 환경에서의 AI의 위치 102
• Ⅳ. 결론 105
• 참고문헌 108
• Abstract 115