Suno、音声とBGMを一体生成する「Speech」ベータを一般公開

Sunoは2026年10月1日、自社プラットフォームに組み込まれた新しい音声モデル「Speech」を、ウェブとモバイルの両方で一般ユーザー向けにベータ公開したと発表しました。同社はこれを、ナレーションとBGMを別レイヤーとして生成するのではなく、両者を1本の一体化した音声トラックとして生成する初めての音声モデルだと説明しています。

詳細

• 基本的な仕組み: ユーザーがアイデアや詩、自分で書いた文章を入力し、希望する声質や音楽のスタイルを指定すると、Speechはそれに合わせたオリジナルBGM付きのナレーション音声を1本のトラックとして生成する
• 発表者: 最高製品責任者(CPO)のJack Brody氏が発表文を執筆し、Speechを既存の楽曲生成モデルをナレーション主体のコンテンツへと拡張するものと位置付けている
• 想定される用途: Sunoが例として挙げるのは、ドラマチックな朗読、瞑想音声、気合を入れるスピーチ、寝かしつけ用の物語などに加え、誕生日メッセージや内輪ネタといった個人的な創作用途
• 展開状況: 少人数グループでの約1カ月間のテストを経て、ベータ版は全ユーザーに開放され、ウェブアプリとモバイルアプリの両方で利用可能になった
• 既知の制限事項: Sunoは発表文の中でベータ版特有の品質課題を自ら認めており、「イギリス訛りがオーストラリア訛りに迷い込んでそのまま戻ってこないことがある」「ドラマチックな間が、やたらとドラマチックになりすぎることがある」とコメント。今後ユーザーからのフィードバックを踏まえて改善していくとしている
• Speech単体の料金プランは発表されておらず、既存のSuno製品の一部として提供される

その後

Speechのベータ公開は、Sunoが音楽レーベルのWarner Music Group、BMG、Believeと共同で開発した新モデル「v6」を投入してから約3週間後のタイミングで行われました。さらに同じ週には、CEOのMikey Shulman氏がBloombergのScreentimeカンファレンスで、Sunoの有料会員数が「200万人をはるかに超えた」こと、年間経常収益(ARR)が約3億ドルに達したことを明らかにしています。ナレーションと楽曲生成を単一モデルに統合することで、Sunoは従来の音声合成(TTS)専業企業が強みとしてきた音声コンテンツの領域へと、楽曲生成の枠を超えて踏み込みつつあります。