Suno正从AI音乐领域向外拓展，推出了一项基于脚本或提示描述生成语音的新功能。该功能名为Speech，目前已在Suno的网页端和移动端平台开放公测，用户可以同时生成配音旁白和伴随的背景音乐。
Suno首席产品官Jack Brody在公告中表示："音乐将永远是Suno的核心，也是我们构建一切的根本。同时，我们的愿景一直延伸至人类表达的其他形式。今天，我们通过Speech拓展了Suno的可能性：这是首个将语音与音乐作为一个统一音轨共同生成的音频模型。"
AI生成语音技术并非新鲜事物——DeepMind十年来一直在尝试深度学习语音合成，Adobe也有文本转语音工具，而ElevenLabs自2023年推出以来已成为该领域最知名的平台之一。Suno此举只是加入这场竞争——很可能是为了实现平台多元化，因为其音乐生成器已经招致了大量诉讼。
将AI音乐与生成语音相结合，是Suno对文本转语音工具的独特演绎。这项功能是可选的，意味着如果用户只想要纯净的语音，可以轻松关闭背景音乐，但这个设计理念是希望它能为特定的生成式口语场景增添亮点——比如为诗歌配上舒缓的音轨，或为戏剧性旁白和激励性演讲配上更具活力的背景音乐。
要使用该功能，选择"Create"标签页，并导航至Speech选项。该功能提供两种模式：简单模式允许用户通过提供的提示框描述想要创建的内容（例如"一位海盗船长正在激励他的船员"）；高级模式则允许用户添加自定义脚本，如果已经清楚知道想让其说些什么。高级设置还允许用户调整AI语音的性别、语音风格，以及每次语音生成的变化程度。Speech功能生成的音频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功能。"公测确实意味着公测，"Brody说道。"偶尔英式口音可能会飘忽不定地变成澳式口音，然后再飘回来。戏剧性的停顿可能会非常戏剧化。你们几乎肯定会发现一些我们从未想到过的用途。"
Q&A
Q1：Suno的Speech功能是什么？
A：Speech是Suno推出的新功能，可以根据脚本或提示描述生成语音旁白，并能同时生成配套的背景音乐，让语音和音乐作为一个统一的音轨共同呈现。
Q2：Speech功能怎么使用？
A：选择"Create"标签页进入Speech选项，有简单模式（用提示框描述想要的内容）和高级模式（可添加自定义脚本，并调整语音性别、风格等参数）两种，最长可生成约八分钟的音频。
Q3：Speech功能目前成熟吗？
A：该功能目前处于公测阶段，Suno官方也承认存在不完美之处，比如口音可能会出现偏差，戏剧性停顿可能把握不准，但会持续根据用户反馈进行改进。
