Genauso wie jeden anderen Sound - über ein statistisches Modell, das aus vielen Trainingsdaten zustandekam.
So.
Also, mir ist durchaus zumindest grob bekannt, wie das funktioniert. Auch den von
@Realist verlinkten Artikel habe ich schon einmal gelesen.
Das absolut relevante sind hier (egal, welchen Ansatz man verfolgt), die Trainingsdaten. Massivste Mengen an Trainingsdaten. Für Gitarren in verschiedenen Zerrgraden, mal mit Feedback, mal nicht, etc., könnten da u.U. mehr Trainingsdaten als für eine typische menschliche Gesangsstimme anfallen.
Dasselbe gilt natürlich auch für andere Instrumente, aber ich bin nunmal Gitarrist und von daher an allem, was mich da ersetzen könnte, interessiert).
Es gibt aber, anders als bei Gesang, überhaupt keine Vorläufermodelle. Bzw. keine, die nennenswert gut funktionieren würden. Die virtuellen Gitarrengeschichten, die es so gibt, sind ausschließlich library-basiert, womöglich mal mit ein bisschen physical modeling dabei (was ja aber unterm Strich einer Multisample-Library nicht gänzlich unähnlich ist, nur ist die Sache da bedeutend kleinteiliger und wird nicht über Samples gemacht).
Dito für die anderen Instrumente (jedenfalls soweit ich weiß).
Und damit sind wir bereits beim Punkt: Beim Gesang wird sich Suno AI recht gewiss irgendwelcher generativen Modelle bedienen (dafür spricht ja auch, dass der Mastermind bereits in der Materie tätig war), aber bei den anderen Instrumenten würde ich (alleine schon, weil es schlicht und ergreifend so klingt) meine Hand dafür ins Feuer legen, dass die KI hier "nur" per MIDI agiert und der Rest eben aus Libraries kommt.
Andernfalls hätten wir eben Vorläufer gesehen - bzw. würde der Typ damit dann auf dem "Library plus Player" Markt (also da, wo eben bspw. Toontrack und Co. zuhause sind) richtig Kohle machen können, denn es gibt sowas aktuell einfach nicht.