Suno 新增 Speech 功能:可生成语音与配套背景音乐
AI 音乐生成器 Suno 推出名为 Speech 的新功能,可将口述文本与匹配的背景音乐合成为单条音轨,用户输入创意或文字并描述想要的音色与音乐风格即可生成。该功能已小范围测试一个月,可用于诗歌、冥想和睡前故事,但测试版仍有 bug,例如英式口音有时会听起来像澳式口音。Suno 未透露模型的训练方式,目前 AI 音乐生成器正面临版权侵权批评,多家主要唱片公司已起诉 Suno。
AI 音乐生成器 Suno 推出名为 Speech 的新功能,可将口述文本与匹配的背景音乐合成为单条音轨,用户输入创意或文字并描述想要的音色与音乐风格即可生成。该功能已小范围测试一个月,可用于诗歌、冥想和睡前故事,但测试版仍有 bug,例如英式口音有时会听起来像澳式口音。Suno 未透露模型的训练方式,目前 AI 音乐生成器正面临版权侵权批评,多家主要唱片公司已起诉 Suno。
Suno 推出语音生成功能 Speech,目前已在网页端和移动端开放公测,可根据脚本或提示词生成人声,并同时生成配套背景音乐。该功能提供 Simple 和 Advanced 两种模式,Advanced 可自定义脚本并调整 AI 声音性别、语音风格和每次生成的多样性,最长时长约 8 分钟,背景音乐可用开关关闭。Suno 首席产品官 Jack Brody 称该功能仍不完善,会持续根据用户反馈改进。
Suno 发布 Speech beta,这是其首个将人声与音乐作为一条完整音轨一起生成的音频模型。用户输入想法、诗歌或已有文字,再描述想要的音色与音乐风格,即可生成配原创背景音乐的语音内容。该模型已向全体用户开放 beta,此前已在小范围用户中测试一个月,官方称英式口音偶尔会漂移到澳式等效果仍待改进。
推荐理由:Suno 把语音与背景音乐合成到同一条音轨,做短剧旁白或配音的创作者可以据此评估新的出片方式。
Suno 官方博客给出在 Suno Studio 中使用 EQ 的三条入门技巧:混音以耳朵为准而非只看曲线,先衰减再提升,以及把 EQ 放在效果链首位。文中以浑浊人声为例,建议先在 400Hz 处衰减 -6dB 并用约 80Hz 高通滤除低频。
SunoMV 上线"一句话做 MV"功能,用户写一句含人物、地点、曲风和转折的话,即可得到歌名、Suno 曲风标签、完整歌词和四到六个镜头方案,方案由 Claude Opus 5.5 起草。
YuE2 是迄今本地运行效果最好的 AI 音乐模型,视频将其与 Suno V6 进行歌曲对比,并演示了夸张提示词和参数调整。YuE2 代码采用 Apache 2.0 许可,模型权重为 CC BY-NC 4.0,个人创作者可商业化输出,企业商用需单独授权。17:41 处提供通过 Pinokio 和 Wan2GP 在本地 PC 安装的教程。
基于 🤗 Transformers、Optimum 和 Accelerate,可通过三项优化降低 Bark 文本转语音模型的显存占用并提升推理速度。Bark 由 Suno AI 提出,自 Transformers v4.31.0 起支持,包含语义、粗声学、细声学及 EnCodec 解码四个模型,提供 small 与 large 两个 checkpoint。