将语音与音乐作为单一连贯音轨共同生成，AI 音乐制作平台 Suno 推出 Speech 语音功能

AI音乐制作平台Suno于10月1日宣布推出Speech语音功能，该功能可将语音与音乐作为单一连贯音轨共同生成。Suno称这是业界首个实现端到端一体化生成的音频模型。

与传统工作流不同，Speech无需先进行文本转语音（TTS）再拼接背景音乐（BGM），而是直接生成包含语音朗读与原创BGM的完整音频。该功能已进入公测阶段，用户可通过输入文字、描述音色与音乐风格即可创作带BGM的语音内容。

据官方介绍，Speech功能已集成至Suno平台，用户只需提供灵感文字或诗句即可生成音频。但测试版存在口音不稳定问题，如英音可能中途漂移到澳音，语调情感停顿也存在过于戏剧化的情况。

目前该功能面向所有用户开放Beta测试，Suno表示将持续优化模型表现。相关技术细节与测试进展可通过官方渠道获取。