Suno пусна публична бета версия за генериране на реч
Suno представи Speech — функция, която създава синтетични гласове по писмен сценарий или по описание в подкана. Тя е достъпна в публична бета версия през уебсайта и мобилните приложения на компанията. Системата може едновременно да генерира говор и фонова музика в един аудиозапис, но музиката може да бъде изключена, ако е необходим само чист глас.
Функцията има два режима. Simple позволява на потребителя да опише желаното съдържание в поле за подкана, а Advanced приема предварително написан сценарий. В разширените настройки могат да се променят полът на гласа, стилът на говорене и степента на различие между отделните генерирани версии. Продължителността на записа е до около осем минути.
Главният продуктов директор на Suno Джак Броуди заяви, че музиката остава в основата на компанията, но Speech разширява платформата към други форми на изразяване. Suno признава, че функцията все още не е напълно усъвършенствана, и планира подобрения според обратната връзка от потребителите. Броуди предупреди, че акцентите понякога могат да се променят неочаквано, а паузите да станат прекалено драматични. Компанията посочва като възможни приложения стихотворения, драматични озвучавания и мотивиращи речи.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на The Verge. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.