Suno 推出 Speech 模型：端到端生成语音与音乐融合音轨

美国 AI 音乐制作平台 Suno 于 10 月 1 日宣布推出 Speech 音频模型，官方称其为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端到端闭源音频模型。该模型不同于传统先做文本转语音再拼接背景音乐的工作流，而是单次生成完整融合语音朗读与原创背景音乐的音频。

经过一个月的小范围用户测试，该功能现已面向所有人开放公测，并直接内置于 Suno 平台。用户只需输入灵感、诗歌或文字，再描述音色与音乐风格即可创作。

官方也指出当前 Beta 版的不足：偶发口音不稳定，例如英音可能中途漂移至澳音再漂回；语调与情感停顿有时过于戏剧化，导致断句节奏过慢。