Suno 推出 Speech，語音與音樂合成單軌

當地時間 10 月 1 日，AI 音樂製作平臺 Suno 宣佈推出 Speech，Suno 稱這是業界首個能夠把語音與音樂作為單一連貫音軌共同生成的音訊模型。據 IT 之家 10 月 3 日報道，該模型不像傳統工作流那樣先做 TTS（文本轉語音）再拼接 BGM，而是端到端一體化生成，是首個能單次生成完整融合「語音朗讀 + 原創 BGM」的端到端閉源音訊模型。在過去一個月裡，Suno 與小範圍使用者共同測試了這一功能，隨後正式面向所有人開放 Beta 公測。

該功能已直接內置於 Suno 中，使用者只需輸入一個靈感、一首詩或一段文字，再描述自己想要的音色與音樂風格，就可以創作帶有 BGM 的語音音訊。Suno 官方同時列出了 Beta 版的不足：當前版本偶發口音不穩定，例如英音可能在中途漂移到澳音，然後又漂回來；語調與情感停頓有時會顯得過於戲劇化。上述說法均來自 Suno 官方，報道沒有給出更多技術細節，也沒有提及測試範圍之外的時間安排。