Suno, som främst är känt för AI-genererad musik, har öppnat en betaversion av Speech, en funktion som skapar tal och bakgrundsmusik tillsammans. Den finns på Sunos webb- och mobilplattformar. Användare kan stänga av musiken om de bara vill ha tal, rapporterar The Verge.
Användare kan antingen beskriva en idé som Speech sedan genererar eller skriva in ett manus. Sunos produktchef Jack Brody beskriver det som en ljudmodell som skapar röst och musik tillsammans i ett och samma spår. Enligt The Decoder testade Suno funktionen med en liten grupp under en månad innan betaversionen öppnades för allmänheten.
Så fungerar Speech
På fliken Create i Suno väljer användaren Speech och sedan läget Simple eller Advanced. I Simple-läget anger man en beskrivning, till exempel en piratkapten som peppar sin besättning. Advanced-läget låter användaren skriva in ett eget manus och justera röstens kön, talstil och hur mycket variation det ska vara mellan genereringarna.
Enligt Suno kan Speech användas för exempelvis dikter, meditationer och godnattsagor. The Verge rapporterar att klippen kan vara upp till cirka åtta minuter långa. Bakgrundsmusik är valfritt, så funktionen kan också användas för berättarröst utan musik.
Betaversionen har begränsningar
Suno säger att funktionen fortfarande förbättras utifrån användarnas synpunkter. Brody varnar för att dialekter kan glida – en brittisk röst kan till exempel låta australisk – och att pauserna ibland kan bli överdrivet dramatiska. Suno har inte uppgett hur modellen tränades, skriver The Decoder.
Speech lanseras samtidigt som AI-musikgeneratorer möter upphovsrättsliga tvister. The Decoder rapporterar att stora skivbolag har stämt Suno och att en domstol i München nyligen avvisade företagets argument om skälig användning av upphovsrättsskyddat material. Källorna uppger inte om Speech använder samma träningsdata som Sunos musikverktyg. Därför är det fortfarande oklart hur modellen tränats och vilka upphovsrättsliga förutsättningar som gäller.
Varför det spelar roll
För den som skapar dikter, godnattsagor eller berättarröster erbjuder Speech ett sätt att göra berättarröst och valfri bakgrundsmusik i samma verktyg. Men funktionen är fortfarande i betaversion, och Suno har inte berättat hur modellen tränats. Därför är både tillförlitligheten och källan till träningsmaterialet fortfarande okända.