
語音與音樂的深度融合
Suno 首席產(chǎn)品官 Jack Brody 表示,Speech 是首個將語音和音樂作為統(tǒng)一連貫音軌共同生成的音頻模型。盡管音樂仍是 Suno 的核心,但公司視野已擴展至人類表達的其他形式。
這一發(fā)布緊隨 9 月 9 日推出的 v6 音樂模型之后。經(jīng)過一個月的小范圍測試,目前所有 Suno 用戶均可在網(wǎng)頁端及 iOS、Android 設(shè)備上體驗。官方承認,作為測試版,該功能偶爾會出現(xiàn)口音偏差或停頓過長等問題,但這些 " 瑕疵 " 可能激發(fā)意想不到的創(chuàng)造力。
兩種創(chuàng)作模式
用戶在 " 創(chuàng)建 " 選項卡中選擇 Speech 后,可選擇兩種路徑:
簡單模式:輸入簡短描述(如 " 海盜船長激勵船員 "),系統(tǒng)自動生成腳本文字及匹配的管弦樂背景。
高級模式:允許輸入完整自定義腳本,并可調(diào)整語音性別、說話風(fēng)格及變化程度。
生成的音軌最長可達約八分鐘,適用于短篇故事、冥想引導(dǎo)或產(chǎn)品展示。用戶也可關(guān)閉音樂,僅輸出純?nèi)寺暋?/p>
差異化競爭與版權(quán)考量
與 ElevenLabs、Adobe 等專注于文本轉(zhuǎn)語音或聲音克隆的競品不同,Suno 的 Speech 并不克隆用戶聲音,而是根據(jù)提示創(chuàng)建全新的合成說話者。這一區(qū)別對于關(guān)注肖像權(quán)和版權(quán)問題的創(chuàng)作者至關(guān)重要。
Suno 近期迭代迅速,從包含聲音克隆的 v5.5 版本到 Studio 2.0,再到 v6 模型,產(chǎn)品更新頻繁。聯(lián)合創(chuàng)始人 Mikey Shulman 透露,截至 10 月初,Suno 年度經(jīng)常性收入(ARR)已超過 3 億美元,訂閱用戶突破 200 萬。
挑戰(zhàn)與展望
盡管效率提升顯著,但 Speech 生成的音頻仍帶有機器特征,如措辭不自然或情感弧線不一致。此外,關(guān)于生成音頻的商業(yè)使用條款尚不明確,且模型在處理受版權(quán)保護文本時可能面臨新的審查。
行業(yè)觀察認為,Suno 正從單一音樂引擎轉(zhuǎn)型為通用音頻創(chuàng)作平臺,降低了播客片頭、營銷配音等內(nèi)容制作門檻。然而,當歌曲、旁白與原聲帶的界限在單一模型中消融,版權(quán)歸屬與倫理問題將成為行業(yè)關(guān)注的焦點。目前,該功能沿用現(xiàn)有信用計劃,新定價方案尚未公布。
【星途科訊 圖文丨略略 首發(fā)于 ZAKER 科技,轉(zhuǎn)載請注明出處】