SunoのSpeechが公開ベータ版に

SunoはAI音楽生成で名声を築いたが、この事業はあまりに多くの訴訟を招いたため、同社は領域を広げる理由を得た。Speechはその拡大であり、Sunoを楽曲から話し声のオーディオへと移す。この分野にはすでにDeepMindの10年にわたる深層学習音声合成の実験、Adobeのテキスト読み上げツール、2023年に登場しこの領域で最も知られるプラットフォームの一つとなったElevenLabsがある。Sunoの狙いは音声そのものの新規性ではなく、パッケージングにある。音声と音楽を一体のトラックとして一緒に生成し、音声のみにするトグルや音声の性別・話し方・バリエーションの調整も備える。

同社はこの機能が完璧には程遠いと率直に認めている。Brody氏自身の「ベータは本当にベータだ」という表現は、英国訛りがオーストラリアに流れて戻ることや、劇的な間が非常に劇的になりうることを認めている。こうした粗さは、落ち着いたサウンドトラック付きの詩や、活気あるナレーション、励ましのスピーチなど、トーンそのものが製品となる用途で最も問題になる。

Speechが単なる追加機能を超えるかどうかは、同社が語るとおりユーザーの声をもとにどれだけ早く改善できるか、そして音声と音楽の組み合わせが単に便利なだけでなく本当に有用かを示せるかにかかっていそうだ。話し言葉のオーディオを試すクリエイターも、Sunoの音楽部門をすでに訴えている権利者も、ベータの展開を注視する理由がある。