Suno запустила генератор речи Speech с фоновой музыкой
Suno, известная своими музыкальными нейросетями, запустила в публичную бету функцию Speech для генерации синтезированной речи. Инструмент доступен в веб-версии и мобильных приложениях и позволяет одновременно создавать озвучку и фоновое музыкальное сопровождение.
Что умеет Speech
Speech генерирует голосовую озвучку по текстовому описанию или готовому сценарию. Одновременно с речью модель создаёт фоновую музыку, которая должна дополнять содержание: например, спокойный саундтрек для стихов или энергичное сопровождение для драматичных монологов и мотивирующих речей.
Фоновую музыку можно отключить переключателем, если нужна только чистая речь. Максимальная длительность одного трека — около восьми минут.
Режимы и настройки
При создании нужно выбрать вкладку Create и перейти к опции Speech. Доступны два режима: Simple — описание желаемого результата в промпте, например «капитан пиратов воодушевляет команду», и Advanced — ввод собственного сценария, если текст уже известен.
В продвинутых настройках можно выбрать пол голоса, стиль речи и степень вариативности при генерации. Функция уже работает в веб-версии и мобильных приложениях Suno.
Контекст и конкуренты
Генерация речи с помощью ИИ не нова: DeepMind экспериментирует с синтезом речи на основе глубокого обучения уже десятилетие, у Adobe есть инструмент text-to-speech, а ElevenLabs стала одной из самых узнаваемых платформ в этой области с 2023 года.
Suno выходит на этот рынок, вероятно, чтобы диверсифицировать платформу: её музыкальный генератор привлёк множество судебных исков. По словам chief product officer Джека Броуди, музыка всегда будет в основе Suno, но видение компании распространяется и на другие формы человеческого самовыражения.
Ограничения беты
Suno признаёт, что функция далека от идеала, и обещает улучшать Speech с учётом отзывов пользователей. «Бета действительно означает бету», — заявил Броуди.
По его словам, иногда британский акцент может «уехать» в Австралию и обратно, драматические паузы могут быть очень драматичными, а пользователи наверняка найдут применения, о которых компания не думала.
Что это значит для пользователей
- Функция полезна тем, кто хочет быстро озвучить текст или сценарий и сразу получить фоновую музыку — например, для стихов, речей или драматичных монологов.
- Speech доступна в публичной бете в веб-версии и мобильных приложениях Suno; информация о цене и планах не уточняется — компания пока не сообщила.
- Можно выбрать режим Simple с описанием или Advanced с собственным сценарием, полом голоса и стилем речи; фоновую музыку легко отключить.
- Ограничения: длительность до восьми минут, возможные проблемы с акцентами и паузами — Suno называет бету неидеальной и просит обратной связи.
- В отличие от чистых text-to-speech сервисов вроде ElevenLabs, Suno объединяет речь и музыку в один трек, что выделяет её на фоне конкурентов.
Источник: theverge.com
Обсудить в Telegram
