Suno上线Speech：念白和配乐一次生成，最长8分钟

AI音乐平台Suno推出名为Suno Speech的新功能，进入公开测试，网页端和移动端都能用。官方的说法是，这是第一个把语音和音乐作为单一连贯音轨一起生成的音频模型。和常见做法不一样的地方在于它不走先合成语音、再贴一段背景音乐的两步流程，而是一次生成完整成品，Suno把它当作自己在这个方向上的差异化。

用法有两种。简易模式是写一段描述，让模型自己发挥，官方举的例子是一位海盗船长在鼓舞船员；高级模式可以上传已经写好的脚本，再单独调AI声音的性别、表达风格，以及每次生成的变化幅度。单次生成的音频最长约8分钟，背景音乐可以一键关掉，只要干净的念白也行。入口在创作页的Speech选项里。

Suno首席产品官Jack Brody在公告里的表述是，音乐始终是Suno的核心，但公司的视野一直延伸到音乐之外的人类表达。这句话解释了这个功能为什么会出现。Suno的主业是音乐生成，把能力延伸到语音领域，既有产品线多元化的考虑，也能把原创音频这套叙事往外扩一圈。

官方自己把Beta版的问题写得很直白。口音会不稳定，比如英式口音可能中途漂移到澳音，再漂回来；语调和情感停顿有时会显得过于戏剧化，导致断句节奏偏慢。这些说明被放在发布公告里，等于提前把预期压下来。Suno表示会按公开测试期间收集的反馈继续改进。

语音合成本身是条拥挤的赛道。DeepMind在这个方向做了十年深度学习语音合成的研究，Adobe有文字转语音工具，ElevenLabs从2023年起已经是这个领域最有辨识度的平台之一。Suno挤进来靠的不是模型指标，而是念白配乐一起出这件事本身：市场上做纯语音的工具很多，能同时把配乐风格也定下来的不多。

值得观察的是使用场景能不能立住。官方给出的设想包括诗歌朗读、冥想音频、鼓舞演讲和睡前故事，这些场景的共同点是对配乐的情绪指向有要求，而不是随便垫一段背景音。如果这条路径跑通，Suno拿到的会是音乐生成之外的一块新地盘；如果用户只是想要一段干净的朗读，那它面对的仍是那些更成熟的文字转语音产品。

申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！

主题：官方