Suno开放语音音乐一体生成公测，官方承认口音会漂移

Suno于10月1日宣布推出Speech功能，向所有用户开放公测，宣称这是首个将语音与音乐作为单一连贯音轨共同生成的音频模型。

传统做法是先做文本转语音、再单独拼接背景音乐；Speech改为端到端一体化生成，输入一段文字并描述想要的音色与音乐风格，即可得到带原创配乐的语音音频。该功能内置于AI音乐平台Suno中。

官方同时列出了当前版本的不足：口音可能中途漂移，例如英音漂成澳音再漂回；语调与停顿有时过于戏剧化，导致断句节奏偏慢。