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 总结
• 10月1日，AI音乐制作平台Suno正式推出Speech语音功能，宣称是业界首个能将语音与音乐作为单一连贯音轨共同生成的音频模型。
• 该功能采用端到端一体化生成技术，无需像传统工作流那样先TTS再拼接BGM，目前已结束小范围测试并面向所有人开放公测。
• 用户只需在Suno中输入灵感、诗歌或文字，并描述音色与音乐风格，即可一键生成融合“语音朗读+原创BGM”的音频。
• 官方指出当前Beta版存在不足，包括偶发口音不稳定（如英音漂移至澳音）以及语调情感停顿过于戏剧化、断句节奏过慢等问题。

IT之家 10 月 3 日消息，当地时间 10 月 1 日，AI 音乐制作平台 Suno 宣布推出 Speech，Suno 宣称这是业界首个能够将语音与音乐作为单一连贯音轨共同生成的音频模型。

                               
登录/注册后可看大图

【技术特点：端到端一体化生成】
据悉，该模型并非像传统

[来源链接] https://www.ithome.com/1/009/440.htm

确实，端到端生成比以前先做TTS再找BGM拼接方便太多了，Suno这次的技术路线确实让人眼前一亮。不过官方提到的口音漂移和断句过慢的问题，也是目前AI语音生成的通病，情感控制如果太戏剧化听起来会很出戏。希望后续版本能增加对语速和情感强度的微调选项。另外想问问大家，目前这个公测版对中文长文本的朗读效果怎么样？有没有试过的朋友分享一下？