Suno Speech читает текст и сразу подкладывает музыку

Suno, которую до сих пор знали по генерации песен, выпустила Suno Speech. Эта нейросеть для озвучки читает текст голосом и сразу кладёт под него фоновую музыку. Публичная бета уже идёт на сайте и в мобильном приложении. Для продюсера это значит, что черновой аудиоряд для ролика, презентации или подкаста собирается за пару минут в одном окне.

Нейросеть для озвучки с музыкой: что внутри

Как выглядел черновой звук раньше: голос генерируете в одном сервисе, музыку ищете на стоках, потом сводите всё в монтажной программе. Три окна, три часа, и ещё не факт, что темп музыки подходит к голосу.

Suno Speech сворачивает это в один шаг. Вы вводите сценарий или описываете задачу, а на выходе получаете готовую дорожку: диктор говорит поверх подложки. В настройках можно менять интонации, темп речи и стиль музыки. Получится и динамичный проморолик, и спокойная лекция, то есть звук легко подогнать под настроение бренда. По описанию запуска, музыка подстраивается под паузы и темп диктора. Как это звучит на длинном хронометраже, честно, не знаю: бета есть бета, и проверять надо на своих текстах.

Где это пригодится в рекламе и на ивентах, а где нет

Согласование концепции по немой раскадровке знакомо всем: клиент смотрит картинки без звука и пытается представить ритм. Тут Suno Speech полезна на препродакшне. За несколько минут вы собираете «рыбу» аудиоряда, и клиент слышит хронометраж, ритм и настроение будущего ролика. Часы звукорежиссёра уходят на финал, а не на черновик, и креатив согласуется быстрее.

Организаторам мероприятий и маркетологам я бы посмотрел в сторону двух идей. Первая – интерактивные стенды, где звук меняется в зависимости от действий посетителя. Вторая – сотни вариантов таргетированной аудиорекламы под разные сегменты. Обе идеи пока гипотезы, я их не проверял. Но когда голос сразу приходит с музыкой, не нужно вручную подбирать десятки похожих треков.

Для финального эфирного производства крупных брендов по-прежнему нужны профессиональные дикторы и композиторы. Зато на этапе гипотез один инструмент заменяет стек из нескольких программ. Небольшим агентствам это снижает порог входа в подкасты, обучающие курсы и продуктовые обзоры. Концепт можно сдать раньше конкурентов и не мучиться с бесконечными переделками чернового звука.

Что сделать на этой неделе

• Возьмите сценарий действующего ролика на 30 секунд, прогоните через Suno Speech и сравните с черновиком, который вам делали вручную. Сравните по времени и по тому, насколько он убедил бы клиента.
• На ближайшем согласовании покажите клиенту черновик со звуком вместо немой раскадровки и запишите, сколько правок он дал.
• Прочитайте условия использования и лицензию на готовый звук до того, как дорожка выйдет за пределы внутреннего просмотра. Для беты правила могут поменяться.
• В смете на финал оставьте диктора и композитора, а синтез закладывайте только в черновой этап.

Когда черновой звук собран, начинается самое дорогое: режиссура, монтаж, финальное сведение. Как гибридная команда из людей и нейросетей доводит такое до экрана, видно на странице AI-видеопродакшн Мити Амбарцумяна. Там есть «Окко. Спорт в цифрах» – генеративный фильм про падел с цифрами внутри кадра, и имиджевый тизер OREX для платформы земли в Дубае, который работает в продажах.