Suno, la plataforma de música por IA, ahora genera palabras habladas

Suno, la popular plataforma de generación de música por IA, está expandiendo oficialmente sus capacidades más allá de la melodía y el ritmo al introducir una nueva función de síntesis de voz. Actualmente disponible en versión beta pública tanto en plataformas web como móviles, esta herramienta permite a los usuarios generar contenido hablado junto con música de fondo. Este movimiento estratégico marca un giro significativo para la empresa, que ha sido conocida principalmente por sus herramientas de creación musical viral, mientras busca integrar voces en off y audio narrativo en su ecosistema generativo existente.

El director de producto, Jack Brody, enfatizó que, aunque la música sigue siendo el núcleo de Suno, la visión de la compañía siempre ha abarcado formas más amplias de expresión humana. Brody declaró: "Hoy, estamos expandiendo lo que es posible en Suno con Speech: el primer modelo de audio que genera voz y música juntas como una pista cohesiva". La plataforma ofrece dos modos distintos: un modo 'Simple' para la creación basada en indicaciones y un modo 'Avanzado' para usuarios que deseen ingresar guiones personalizados, ajustar el género de la voz y ajustar los estilos de habla, con una duración máxima de ocho minutos por generación.

El panorama del habla generada por IA ya es altamente competitivo, con actores establecidos como ElevenLabs, Adobe y DeepMind dominando el sector durante años. La entrada de Suno en este espacio es vista por los analistas como un intento calculado de diversificar sus ofertas de productos, especialmente porque la empresa enfrenta desafíos legales continuos relacionados con los datos de entrenamiento de su generación de música. Al combinar el habla con la música, Suno intenta diferenciarse de los servicios estándar de texto a voz, ofreciendo una propuesta de valor única para los creadores que necesitan bandas sonoras integradas para su contenido hablado.

Se espera que esta nueva funcionalidad tenga ramificaciones significativas para los creadores de contenido, podcasters y especialistas en marketing que requieren una producción de audio rápida y de alta calidad. Los usuarios pueden desactivar la música de fondo si prefieren un habla limpia, pero la utilidad principal radica en la capacidad de emparejar voces en off dramáticas con bandas sonoras atmosféricas para poemas, discursos o narraciones. Aunque la función se encuentra actualmente en versión beta y es propensa a inconsistencias ocasionales, como acentos errantes o pausas demasiado dramáticas, representa un gran paso adelante en el audio generativo unificado.

Mirando hacia el futuro, Suno planea refinar el modelo de voz basado en los comentarios continuos de los usuarios, reconociendo que la tecnología dista mucho de ser perfecta. Los expertos de la industria sugieren que a medida que Suno continúe iterando, la plataforma podría convertirse en una fuerza dominante en la economía de los creadores, siempre que pueda navegar por el complejo panorama legal que rodea los derechos de autor de la IA. El futuro del audio generativo probablemente resida en estos sistemas multimodales, donde la música y el habla ya no están aislados, sino que existen como un resultado creativo único, cohesivo y altamente personalizable.