做AI音乐的那家公司，现在想让AI开口说话了。Suno最近上线了一个叫Speech的新功能，输入一段想法或写好的文字，再描述你想要的嗓音和音乐风格，模型会把朗读声和配乐一起生成出来，合成同一条音轨。

产品负责人Jack Brody说，这个功能已经在一小群人里测试了一个月。官方给出的适用场景包括诗歌、冥想引导和睡前故事——都是那种需要人声陪伴、又需要背景音乐托底的内容。

打开网易新闻 查看精彩图片

它到底怎么用

流程不复杂，两步：

  1. 输入内容——可以是一个想法，也可以是一段写好的文本；
  2. 描述声音和音乐——想要什么样的嗓音、什么样的配乐风格，都由用户指定。

模型负责把这两件事同时做出来，而不是先录人声再配乐。对做冥想音频、有声诗集的创作者来说，这种"一次成型"的方式省掉了后期对齐的麻烦。

不过目前还是测试版，毛病不少。Suno自己承认，英国口音有时候会念成澳大利亚口音——这个bug对做本地化内容的用户来说挺要命，毕竟口音一跑偏，整段音频的气质就变了。

训练方式没说，麻烦却不少

Suno没有公布这个模型是怎么训练的。这个沉默放在当下的语境里并不意外——AI音乐生成器正面临版权侵权的质疑。几家主要唱片公司已经起诉了Suno，慕尼黑一家法院最近也做出了不利于这家初创公司的裁决，否定了"合理使用"作为使用受版权保护数据理由的辩护。

一边是功能往前推，一边是法律上的压力没解除。Speech这个新功能能不能顺利铺开，可能不取决于它念诗好不好听，而取决于那些还没打完的官司。