将语音与音乐作为单一连贯音轨共同生成，AI 音乐制作平台 Suno 推出 Speech 语音功能

IT之家 10 月 3 日消息，当地时间 10 月 1 日，AI 音乐制作平台 Suno 宣布推出 Speech，Suno 宣称这是 业界首个能够将语音与音乐作为单一连贯音轨共同生成的音频模型 。 据悉，该模型并非像传统工作流那样先做 TTS（文本转语音）再拼接 BGM，而是端到端一体化生成，是首个能单次生成完整融合“语音朗读 + 原创 BGM”的端到端闭源音频模型。 在过去一个月中，Suno 与小范围用户共同测试了该功能，现在正式面向所有人开放公测（Beta）。 官方表示，通过 Speech，用户可以轻松创作带有 BGM 的语音音频。该功能已直接内置于 Suno 中：只需输入一个灵感、一首诗或一段文字，再描述用户心目中的音色与音乐风格即可。 IT之家注意到，Suno 官方也指出了当前 Beta 版的不足，当前版本偶发口音不稳定的问题，例如英音可能会在中途漂移到澳音然后又漂回来；语调与情感停顿有时会显得“过于戏剧化”，导致断句节奏过慢。