据 The Verge 报道，AI音乐生成器Suno于10月2日推出新功能Speech，可根据脚本或提示描述生成语音，并允许同时生成配音和背景音乐。该功能目前以公开测试形式在Suno网页端和移动端上线。
Suno首席产品官杰克·布罗迪在公告中表示，音乐始终是Suno及其产品的核心，但公司愿景一直延伸到其他人类表达形式。他说，Speech是首个将语音和音乐作为一个整体音轨同时生成的音频模型。
AI语音生成并非新领域。DeepMind已进行十年深度学习语音合成实验，Adobe有文本转语音工具，ElevenLabs自2023年推出以来成为最知名的相关平台之一。Suno此时进入这一领域，可能是为了推动平台多元化，因为其音乐生成器已吸引大量诉讼。
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处理。背景音乐可以选择关闭，用户若只需干净语音，可通过开关关闭配乐。Suno设想的使用场景包括为诗歌配上舒缓配乐，或为戏剧化配音和激励性演讲配上更有活力的音乐。
使用该功能时，用户需选择“Create”标签，进入Speech选项。Speech有两种模式：Simple模式允许用户通过提示框描述想要生成的内容，例如“一个海盗船长召集船员”；Advanced模式允许用户输入自定义脚本。高级设置还可调整AI语音的性别、演讲风格以及每次语音生成的多样性。Speech最长时长约为八分钟。
Suno承认该功能远非完美，但表示会根据用户反馈持续改进Speech。布罗迪说：“测试版真的只是测试版。偶尔，英国口音会跑到澳大利亚再跑回来。戏剧性的停顿可能会非常戏剧化。你几乎肯定会发现我们从未想到的用途。”