Suno先让人「会唱歌」，现在让同一条轨道「会说话」。音频模型的产品边界继续外扩，从歌曲走向口播与有声叙事。
据Suno官方博客与The Verge报道，Speech于2026年10月1日进入公开公测，覆盖Web、iOS与Android。产品叙事是：首个把语音与配乐作为连贯音轨共同生成的音频模型。用户可在Create中选择Speech：Simple模式用自然语言描述场景（例如海盗船长动员船员），Advanced模式粘贴完整脚本，并调节音色性别、说话风格与多样性；最长约八分钟。配乐可一键关闭，只保留口播。
首席产品官Jack Brody称，音乐仍是公司核心，但表达形式要覆盖更多人类表达；并坦承公测期口音漂移、停顿夸张等问题仍在——「Beta真的就是Beta」。相较「先TTS再找BGM再混音」的传统流程，同轨生成缩短了有声书草稿、励志口播、助眠故事与短视频旁白的试错周期。
对创作者与平台，观察点有三：长脚本发音稳定性、人声与配乐响度平衡，以及版权与人格权边界——尤其在「AI声优」相关司法讨论升温的背景下。把旁白与配乐捏在一次推理里，能加速草稿，也可能让风格匹配与响度控制变成新的调参战场。
Suno另有基于用户录音的Voices能力，与Speech定位不同，且对未成年人使用有额外限制。公测阶段更适合当作创作草稿工具，而不是直接替代专业配音流水线。事实以Suno公告为准。