پلتفرم موسیقی هوش مصنوعی Suno اکنون کلمات گفتاری تولید می‌کند

پلتفرم محبوب تولید موسیقی هوش مصنوعی Suno، به‌طور رسمی قابلیت‌های خود را فراتر از ملودی و ریتم گسترش داده و ویژگی جدید سنتز گفتار را معرفی کرده است. این ابزار که در حال حاضر در نسخه بتای عمومی در پلتفرم‌های وب و موبایل در دسترس است، به کاربران اجازه می‌دهد تا محتوای گفتاری را در کنار موسیقی پس‌زمینه تولید کنند. این حرکت استراتژیک نشان‌دهنده تغییری مهم برای شرکتی است که عمدتاً به دلیل ابزارهای تولید موسیقی ویروسی خود شناخته شده است، زیرا به دنبال ادغام صداگذاری و صوت روایی در اکوسیستم مولد فعلی خود است.

جک برودی، مدیر ارشد محصول، تأکید کرد که اگرچه موسیقی همچنان هسته اصلی Suno باقی می‌ماند، اما چشم‌انداز شرکت همیشه اشکال گسترده‌تری از بیان انسانی را در بر می‌گرفت. برودی اظهار داشت: «امروز ما آنچه را که در Suno ممکن است با قابلیت Speech گسترش می‌دهیم: اولین مدل صوتی که صدا و موسیقی را با هم به عنوان یک قطعه منسجم تولید می‌کند.» این پلتفرم دو حالت متمایز را ارائه می‌دهد: حالت «ساده» برای ایجاد مبتنی بر دستور و حالت «پیشرفته» برای کاربرانی که می‌خواهند اسکریپت‌های سفارشی وارد کنند، جنسیت صدا را تنظیم کنند و سبک‌های گفتار را با حداکثر مدت زمان هشت دقیقه در هر تولید تنظیم کنند.

چشم‌انداز گفتار تولید شده توسط هوش مصنوعی در حال حاضر بسیار رقابتی است و بازیگران تثبیت‌شده‌ای مانند ElevenLabs، Adobe و DeepMind سال‌هاست که بر این بخش تسلط دارند. ورود Suno به این فضا توسط تحلیلگران به عنوان تلاشی حساب‌شده برای تنوع بخشیدن به پیشنهادات محصول خود تلقی می‌شود، به‌ویژه که این شرکت با چالش‌های حقوقی مداوم مربوط به داده‌های آموزشی تولید موسیقی خود مواجه است. با ترکیب گفتار با موسیقی، Suno در تلاش است تا خود را از خدمات استاندارد تبدیل متن به گفتار متمایز کند و ارزش پیشنهادی منحصربه‌فردی را برای سازندگانی که به موسیقی متن یکپارچه برای محتوای گفتاری خود نیاز دارند، ارائه دهد.

انتظار می‌رود این قابلیت جدید پیامدهای مهمی برای تولیدکنندگان محتوا، پادکسترها و بازاریاب‌هایی داشته باشد که به تولید صوتی سریع و باکیفیت نیاز دارند. کاربران می‌توانند در صورت تمایل به گفتار خالص، موسیقی پس‌زمینه را خاموش کنند، اما کاربرد اصلی در توانایی جفت کردن صداگذاری‌های دراماتیک با موسیقی متن جوی برای اشعار، سخنرانی‌ها یا داستان‌سرایی روایی است. اگرچه این ویژگی در حال حاضر در مرحله بتا است و مستعد ناهماهنگی‌های گاه‌به‌گاه مانند لهجه‌های سرگردان یا مکث‌های بیش از حد دراماتیک است، اما گامی بزرگ به جلو در صوت مولد یکپارچه محسوب می‌شود.

در آینده، Suno قصد دارد مدل گفتار را بر اساس بازخورد مداوم کاربران اصلاح کند و اذعان دارد که این فناوری هنوز کامل نیست. کارشناسان صنعت معتقدند که با ادامه پیشرفت Suno، این پلتفرم می‌تواند به نیروی غالب در اقتصاد سازندگان تبدیل شود، مشروط بر اینکه بتواند در چشم‌انداز حقوقی پیچیده پیرامون کپی‌رایت هوش مصنوعی حرکت کند. آینده صوت مولد احتمالاً در این سیستم‌های چندوجهی نهفته است، جایی که موسیقی و گفتار دیگر جدا نیستند، بلکه به عنوان یک خروجی خلاقانه واحد، منسجم و بسیار قابل تنظیم وجود دارند.