KI-Musikplattform Suno generiert jetzt gesprochene Worte

Suno, die beliebte Plattform für KI-Musikgenerierung, erweitert ihre Fähigkeiten offiziell über Melodie und Rhythmus hinaus durch die Einführung einer neuen Sprachsynthese-Funktion. Dieses Tool, das derzeit als öffentliche Beta-Version auf Web- und Mobilplattformen verfügbar ist, ermöglicht es Benutzern, gesprochene Inhalte zusammen mit Hintergrundmusik zu generieren. Dieser strategische Schritt markiert einen bedeutenden Wandel für das Unternehmen, das vor allem für seine viralen Musik-Erstellungstools bekannt ist, da es versucht, Voiceovers und narratives Audio in sein bestehendes generatives Ökosystem zu integrieren.

Produktchef Jack Brody betonte, dass Musik zwar weiterhin das Herzstück von Suno bleibt, die Vision des Unternehmens jedoch schon immer breitere Formen des menschlichen Ausdrucks umfasste. Brody erklärte: „Heute erweitern wir mit Speech die Möglichkeiten bei Suno: das erste Audiomodell, das Stimme und Musik zusammen als einen kohärenten Track generiert.“ Die Plattform bietet zwei verschiedene Modi: einen „einfachen“ Modus für die prompt-basierte Erstellung und einen „erweiterten“ Modus für Benutzer, die benutzerdefinierte Skripte eingeben, das Geschlecht der Stimme anpassen und Sprachstile feinabstimmen möchten, mit einer maximalen Dauer von acht Minuten pro Generierung.

Die Landschaft der KI-generierten Sprache ist bereits hart umkämpft, wobei etablierte Akteure wie ElevenLabs, Adobe und DeepMind den Sektor seit Jahren dominieren. Der Einstieg von Suno in diesen Bereich wird von Analysten als kalkulierter Versuch angesehen, sein Produktangebot zu diversifizieren, insbesondere da das Unternehmen mit anhaltenden rechtlichen Herausforderungen im Zusammenhang mit den Trainingsdaten seiner Musikgenerierung konfrontiert ist. Durch die Kombination von Sprache und Musik versucht Suno, sich von Standard-Text-to-Speech-Diensten abzuheben und bietet ein einzigartiges Wertversprechen für Ersteller, die integrierte Soundtracks für ihre gesprochenen Inhalte benötigen.

Es wird erwartet, dass diese neue Funktionalität erhebliche Auswirkungen auf Content-Ersteller, Podcaster und Vermarkter haben wird, die eine schnelle und qualitativ hochwertige Audioproduktion benötigen. Benutzer können die Hintergrundmusik ausschalten, wenn sie reine Sprache bevorzugen, aber der Hauptnutzen liegt in der Fähigkeit, dramatische Voiceovers mit atmosphärischen Soundtracks für Gedichte, Reden oder narratives Storytelling zu kombinieren. Obwohl sich die Funktion derzeit in der Beta-Phase befindet und anfällig für gelegentliche Inkonsistenzen ist, wie etwa wandernde Akzente oder übermäßig dramatische Pausen, stellt sie einen großen Schritt nach vorne im Bereich des einheitlichen generativen Audios dar.

Mit Blick auf die Zukunft plant Suno, das Sprachmodell basierend auf kontinuierlichem Benutzerfeedback zu verfeinern, wobei eingeräumt wird, dass die Technologie noch lange nicht perfekt ist. Branchenexperten gehen davon aus, dass Suno zu einer dominierenden Kraft in der Creator-Economy werden könnte, sofern es die komplexe Rechtslandschaft rund um KI-Urheberrechte bewältigen kann. Die Zukunft des generativen Audios liegt wahrscheinlich in diesen multimodalen Systemen, in denen Musik und Sprache nicht mehr isoliert sind, sondern als ein einziges, kohärentes und hochgradig anpassbares kreatives Ergebnis existieren.