Suno上线语音生成公测：可同时生成配音与背景音乐
Suno的新功能支持通过提示词或自定义脚本生成语音，可选关闭背景音乐，单条语音最长约 8 分钟，目前为公测版本。
AI解读：Suno从AI音乐扩展到语音生成，公测版已在网页和移动端上线，核心卖点不是单纯配音，而是把语音和背景音乐放在同一条音轨里同时生成。
对做配音、念诗、演讲片段的人来说，这减少了一步拼接：想要纯语音可以关掉音乐，想要氛围感就让音乐一起出来。不过官方自己承认还是beta，口音可能乱跑，停顿可能过于戏剧化。
Suno做语音有分散风险的意味——原文提到它的音乐生成器已招致多起诉讼，拓展语音是平台多元化的一次尝试，但语音本身并不是新赛道，ElevenLabs、Adobe、DeepMind都已有相关工具。
Suno正在从AI音乐领域向外延伸，推出一项基于脚本或提示词描述生成语音的新功能。据The Verge AI作者Jess Weatherbed报道，该语音功能已在Suno的网页和移动平台进入公开测试，允许用户同时生成配音和与之搭配的背景音乐。
Suno首席产品官Jack Brody在公告中表示：“音乐将始终是Suno和我们所构建产品的核心。与此同时，我们的愿景一直延伸到其他形式的人类表达。”“今天，我们通过Speech扩展Suno的可能性：这是首个将语音和音乐作为一条连贯音轨一起生成的音频模型。”
AI生成语音并非新事物。报道指出，DeepMind在深度学习语音合成方面已有十年实验，Adobe拥有文本转语音工具，ElevenLabs自 2023 年推出以来已成为该领域最具辨识度的平台之一。Suno此举被视为加入竞争，可能意在实现平台多元化，因为其音乐生成器已招致多起诉讼。
将AI音乐与生成语音配对，是Suno对文本转语音工具的差异化做法。背景音乐是可选的，用户可以通过开关轻松关闭，只保留干净语音；Suno的设想是它能补充某些生成式口语的使用场景，比如为诗歌配上平静的配乐，或为戏剧性旁白和励志演讲配上更有活力的音乐。
使用该功能时，用户选择“Create”标签，然后进入Speech选项。它提供两种模式：Simple模式允许用户通过提示框描述想要创建的内容，例如“一位海盗船长在召集他的船员”；Advanced模式则允许用户添加自定义脚本，用于已经明确想要说什么的情况。高级设置还允许调整AI语音的性别、说话风格，以及每次语音生成的多样性程度。语音的最长时长约为 8 分钟。
Suno承认该功能远非完美，但表示会围绕用户反馈持续改进Speech。Brody说：“Beta真的就意味着beta。偶尔，英国口音会溜达到澳大利亚再溜回来。戏剧性的停顿可能会非常戏剧性。你几乎肯定会发现一些我们从未想到过的用途。”