Suno 不再只做 AI 音乐了。这家公司最新上线的功能叫 Visuals,能把用户用 Suno 生成的歌曲变成 AI 视频片段,画面会自动跟着歌词对口型;也可以按提示词生成图片,用作缩略图和专辑封面。

打开网易新闻 查看精彩图片

从产品形态看,这是一次明确的品类外扩:从"生成一首歌"延伸到"给这首歌配一套视觉包装"。对做内容分发的用户来说,封面、短视频切片、歌词版 MV 原本是三个环节,现在被塞进了同一个入口。

功能怎么用

Visuals 已上线网页端、iOS 和安卓端。三端的具体布局不同,但入口位置一致:都在 Create 模式下的 Visuals 标签页。网页端用户还可以在曲库里点开某首歌的三点菜单进入。

进入后先选片段,最长 15 秒,再选一张参考图来生成视频。参考图有三种来源:

  • 选 Suno 提供的原创角色预设
  • 上传自己的照片或画作
  • 直接用描述性提示词在 Suno 里生成

图片生成支持选择画幅比例,方便适配横屏、竖屏和不同平台。视频环节可以指定参考图作为起始帧还是结束帧,便于把多个 15 秒片段剪到一起;另有一个开关控制人声是否自动对口型,以及画幅和片段长度的调节工具。Visuals 还带一条独立的视频编辑时间线,用来把片段拼成长视频,并添加可自定义的歌词文字。

模型与成本

驱动 Visuals 的是 H3 Move AI 模型,基于 MiniMax 的 H3。Suno 表示该模型"针对我们的社区做了优化,并增加了额外的保护与防护措施",其中包括一套新的文本和视觉过滤器,用于阻止用户使用或生成特定艺人、公众人物、受版权保护作品及 IP 的形象。

成本上有一个容易被忽略的细节:Visuals 使用独立的"Visuals credits"来生成视频和图片,与制作 AI 音乐所用的歌曲 credits 分开计算。也就是说,用这项新功能要额外付费。

时间线与用户反应

Visuals 之前,Suno 在 10 月推出了 Speech 功能,用于生成口播和旁白。加上视频能力,平台正在把能力边界从音乐推向更宽的内容生产。

另一面是用户的声音。在 Visuals 上线的 YouTube 视频下,有用户留言:"FIX AUDIO BEFORE ADDING CRAP NOBODY ASKED FOR"(先修音频,别加没人要的东西),其他评论者也在附和这一态度。对一款以音乐生成起家的产品来说,这条留言指向的是核心体验,而不是新增功能。

从运营视角看,这次发布同时踩了两条线:一条是拉高单用户的内容产出场景,用视频和封面把音乐作品变成可分发的素材;另一条是把 credits 拆成两套,为视觉能力单独定价。前者做的是使用深度,后者做的是收入结构。至于用户愿不愿意为"歌之外的画面"再付一次钱,评论区已经给出了一个不太客气的答案。