Suno 推出 Speech 音频模型，可将语音与音乐作为单一连贯音轨共同生成

Suno 于当地时间 10 月 1 日宣布推出 Speech，称其为可将语音与音乐作为单一连贯音轨共同生成的端到端闭源音频模型。该功能不再先做 TTS 再拼接 BGM，用户输入文字并描述音色与音乐风格即可生成带原创 BGM 的语音音频，现已面向所有人开放 Beta 公测。官方同时承认 Beta 版偶发口音漂移，语调与情感停顿有时过于戏剧化、断句偏慢。