Suno fusionne voix et musique dans une seule piste avec Speech
— AUDIOVISUEL
Suno fait désormais naître la voix et la musique ensemble, dans une seule génération, plutôt que de les assembler après coup. L'outil reste en bêta instable, avec des accents qui dérivent et des silences qui s'étirent trop longtemps.
Suno vient de changer la nature de ce qu'il fabrique. Jusqu'ici l'outil générait de la musique, un point c'est tout. Avec Speech, il produit une piste où la voix parlée et l'accompagnement musical naissent du même geste, calés l'un sur l'autre dès la génération.
Le monteur son ou le motion designer qui doit livrer une voix off habillée tient là un raccourci direct. Un script, une consigne de ton, une ambiance musicale décrite en quelques mots, et la bande arrive déjà synchronisée, sans repasser par un logiciel de montage pour caler la musique sous la parole. Pour un spot publicitaire court, une capsule de marque ou un habillage de podcast, cette étape représente habituellement un aller-retour entre deux outils et parfois une ligne de facturation dédiée au mixage.
La promesse se heurte vite à l'état réel de l'outil. Après un mois de test fermé avant l'ouverture au public, Suno reconnaît lui-même des accents qui dérivent en cours de génération et des pauses censées marquer un silence dramatique qui s'étirent de façon incontrôlée. Pour une voix off destinée à un client, ce genre d'écart impose une relecture attentive avant toute livraison.
L'argument de la première place sur ce type de génération conjointe vient uniquement de Suno, sans élément de comparaison publié. Aucune indication non plus sur les langues couvertes ni sur la possibilité de retoucher la voix et la musique séparément une fois la piste produite, ce qui limite l'usage en production où chaque élément doit rester ajustable isolément.
L'intérêt réel se situe dans la logique plus que dans le résultat du jour. Fondre voix et musique en une seule génération évite le patchwork habituel entre synthèse vocale et moteur musical, et préfigure un futur où l'habillage sonore d'une vidéo courte tiendra en une seule commande. Pour l'instant, mieux vaut réserver Speech aux maquettes et aux tests d'ambiance, pas aux livrables finaux.