Il team di Suno ha annunciato una novità destinata a far discutere nel panorama dell'intelligenza artificiale generativa applicata all'audio. Si chiama Speech ed è descritta come il primo modello audio in grado di generare voce e musica insieme, come un'unica traccia coerente. In altre parole, permette di creare una traccia vocale non cantata, con o senza sottofondo sonoro, aprendo scenari interessanti per creator, podcaster e professionisti della post-produzione. La funzionalità è già disponibile in versione beta durante la fase di test, accessibile anche a chi possiede un account gratuito.
Come funziona Speech e quali opzioni offre
Speech si trova all'interno della scheda Create della piattaforma. Così come per la musica, consente di scegliere tra le modalità Simple e Advanced. Nella prima è sufficiente inserire la descrizione di ciò che si vuole ottenere con il più classico dei prompt testuali. Con la seconda, invece, si possono specificare parametri più dettagliati come il tono desiderato, il genere della voce (maschile o femminile) e altre variabili utili a rifinire il risultato finale. Questa doppia modalità permette sia agli utenti alle prime armi sia a quelli più esperti di ottenere output personalizzati in base alle proprie esigenze creative.
A cosa serve concretamente? A far leva sull'intelligenza artificiale generativa di Suno per dar vita a lezioni, descrizioni, monologhi, voci fuori campo da aggiungere ad altri contenuti in fase di post-produzione e a qualsiasi altra cosa suggerisca la fantasia dell'utente. Né più né meno di ciò che già fanno da tempo altri modelli text-to-speech, ma con l'integrazione nativa della musica che rappresenta l'elemento differenziante rispetto alla concorrenza. La possibilità di combinare parlato e sottofondo sonoro in un unico passaggio potrebbe semplificare notevolmente i flussi di lavoro di chi produce contenuti audio.
Limiti attuali e prospettive future
Il lancio in fase di test con la versione beta serve per raccogliere feedback e aggiustare eventualmente il tiro. Pronuncia e accenti rimangono i talloni d'Achille più grandi della tecnologia, e il team lo sa bene: promette miglioramenti nelle prossime iterazioni. A volte, gli accenti britannici possono fare un salto in Australia e tornare indietro, mentre le pause drammatiche possono risultare davvero molto drammatiche. Si tratta di imperfezioni tipiche dei modelli text-to-speech, che Suno spera di correggere grazie al contributo della community durante questa fase di sperimentazione aperta.
Vale la pena ricordare che all'inizio di settembre Suno ha lanciato i suoi modelli v6, con la versione v6-mini accessibile anche da chi ha un account gratuito. Questo dimostra una strategia chiara dell'azienda: rendere le proprie tecnologie sempre più accessibili a un pubblico ampio, mantenendo al contempo un'offerta premium per gli utenti professionali. L'introduzione di Speech si inserisce in questo percorso di espansione delle capacità della piattaforma, che non si limita più alla sola generazione musicale ma punta a coprire l'intero spettro della produzione audio.
In conclusione, Suno Speech rappresenta un passo significativo verso la convergenza tra voce sintetica e musica generata dall'AI. Se da un lato la concorrenza nel settore text-to-speech è già agguerrita, dall'altro l'integrazione nativa di voce e sottofondo sonoro in un'unica traccia coerente potrebbe rivelarsi un vantaggio competitivo non indifferente. Resta da vedere quanto rapidamente il team riuscirà a risolvere le criticità legate a pronuncia e accenti, ma la direzione intrapresa sembra promettente per chiunque lavori con contenuti audio e cerchi strumenti sempre più versatili e accessibili.
