muapi Logomuapi Logo
muapi Logomuapi Logo

Suno Speech: Dźwięk i muzyka AI

Generuj ekspresyjną mowę AI za pomocą Suno Speech. Kontroluj ton, emocje, płeć głosu i muzykę w tle. Płać za każdą generację, bez abonamentu. Suno Speech generuje mowę o naturalnym tonie, rytmie i emocjach, a opcjonalnie może dodać do niej muzykę w tle. To nie jest silnik zamiany tekstu na mowę z ustalonym głosem: opisz scenę, a model napisze i zinterpretuje tekst, albo podaj własny tekst i pokieruj sposobem jego odczytania za pomocą ustawień tonu, różnorodności, płci głosu i muzyki w tle. Sprawdza się w narracji, wstępach w stylu wiadomości, kwestiach postaci, reklamach i głosach do materiałów w mediach społecznościowych, gdzie sposób wykonania jest równie ważny jak słowa. Tryb prosty przyjmuje jednowierszowy opis sceny (do 3000 znaków). Tryb zaawansowany przyjmuje dokładny tekst (do 5000 znaków) oraz opcjonalne instrukcje dotyczące tonu (do 1000 znaków). Połącz go z Suno Create Music, aby tworzyć pełne utwory, lub z Suno Sounds, aby tworzyć efekty dźwiękowe.

Interaktywne sterowanie modelem

Generuj ekspresyjną mowę AI za pomocą Suno Speech. Kontroluj ton, emocje, płeć głosu i muzykę w tle. Płać za każdą generację, bez abonamentu.

📝

Przegląd

O tym modelu

Suno Speech generuje mowę o naturalnym tonie, rytmie i emocjach, a opcjonalnie może dodać do niej muzykę w tle. To nie jest silnik zamiany tekstu na mowę z ustalonym głosem: opisz scenę, a model napisze i zinterpretuje tekst, albo podaj własny tekst i pokieruj sposobem jego odczytania za pomocą ustawień tonu, różnorodności, płci głosu i muzyki w tle. Sprawdza się w narracji, wstępach w stylu wiadomości, kwestiach postaci, reklamach i głosach do materiałów w mediach społecznościowych, gdzie sposób wykonania jest równie ważny jak słowa.

Tryb prosty przyjmuje jednowierszowy opis sceny (do 3000 znaków). Tryb zaawansowany przyjmuje dokładny tekst (do 5000 znaków) oraz opcjonalne instrukcje dotyczące tonu (do 1000 znaków). Połącz go z Suno Create Music, aby tworzyć pełne utwory, lub z Suno Sounds, aby tworzyć efekty dźwiękowe.

1Narracja: ekspresyjne nagrania lektorskie do filmów, materiałów objaśniających i podcastów.
2Marketing: czytane reklamy i promocyjne wstępy z wbudowaną muzyką w tle.
3Treści: krótkie wiadomości, fragmenty audiobooków i klipy do mediów społecznościowych.
4Postacie: emocjonalne lub stylizowane kwestie do gier i animacji.
💰

Ceny i wartość

Analiza kosztów

muapiapp$0.10 per generation

Taka sama cena jak w przypadku Suno Create Music, płatność za każdą generację.

Fal.aiNiedostępne

Nie potwierdzono osobnego endpointu Suno Speech.

ReplicateNiedostępne

Nie potwierdzono osobnego endpointu Suno Speech.

** Ceny konkurencji są szacowane na podstawie podobnych architektur modeli i poziomów użytkowania.

⚙️

Szczegóły techniczne

Schemat konfiguracji

Tryb niestandardowyboolean

Off (Simple): describe a scene in `prompt` and the model writes and speaks the script. On (Advanced): provide your own `script` plus optional tone, variety, vocal gender and background music.

Wartość domyślnafalse
Scene Promptstring

Simple mode only. A one-line scene description; the model writes the script. 1-3000 characters.

Wartość domyślnaA short morning news intro about sunny weather
Scriptstring

Advanced mode only. The exact text to be spoken, 1-5000 characters. Multiline supported.

Wartość domyślnaWelcome to today's briefing. The weather is clear and the city is awake.
Tonestring

Advanced mode only, optional. Tone, rhythm, emotion, setting, accent or accompaniment style. Up to 1000 characters.

Wartość domyślnaWarm, calm female narrator, slightly smiling
VarietyWyliczenie (opcje 5)

Advanced mode only, optional. 0 = exact style, 1 = balanced variety, 2 = distinct styles, 3 = bold exploration, 4 = unreasonably varied.

Wartość domyślna-
Rodzaj samogłoskiWyliczenie (opcje 2)

Advanced mode only, optional. Voice gender.

Wartość domyślna-
Background Musicboolean

Advanced mode only, optional. Add background music under the speech.

Wartość domyślna-
📖

Przewodnik wdrożeniowy

Dokumentacja deweloperska

Jak korzystać z Suno Speech

  1. Wybierz tryb: pozostaw custom_mode wyłączone (tryb prosty) i opisz scenę w prompt albo włącz tę opcję (tryb zaawansowany) i podaj własny script.

  2. Pokieruj sposobem odczytania (tylko tryb zaawansowany): użyj tone, aby określić emocje, rytm, akcent i scenerię, variety (0-4), aby ustawić, jak daleko model może odejść od opisanego stylu, vocal_gender (male lub female) oraz background_music, aby dodać muzykę pod głosem.

  3. Wyślij żądanie i pobierz wynik: wywołanie zwraca request_id; odpytuj endpoint z wynikiem lub przekaż webhook.

curl -X POST https://api.muapi.ai/api/v1/suno-speech \
  -H "Content-Type: application/json" \
  -H "x-api-key: $MUAPI_KEY" \
  -d '{
    "custom_mode": true,
    "script": "Welcome to today'\''s briefing. The weather is clear and the city is awake.",
    "tone": "Warm, calm female narrator, slightly smiling",
    "vocal_gender": "female",
    "background_music": true
  }'

Przykład trybu prostego: {"custom_mode": false, "prompt": "A short morning news intro about sunny weather"}.

❓

Często zadawane pytania

Często zadawane pytania

Czym jest Suno Speech?

Suno Speech generuje mowę z możliwością sterowania tonem, rytmem i emocjami, a także opcjonalnym podkładem muzycznym. W przeciwieństwie do TTS z ustalonym głosem, sposób wykonania zależy od promptu lub opisu tonu.

Czym różnią się tryby prosty i zaawansowany?

Tryb prosty (`custom_mode: false`) przyjmuje krótki opis sceny `prompt`, na podstawie którego model tworzy tekst. Tryb zaawansowany (`custom_mode: true`) odczytuje podany przez Ciebie dokładny tekst `script` i obsługuje opcjonalne ustawienia `tone`, `variety`, `vocal_gender` oraz `background_music`.

Jak długa może być treść wejściowa?

W trybie prostym prompty mogą mieć do 3000 znaków. W trybie zaawansowanym teksty mogą mieć do 5000 znaków, a opisy tonu do 1000 znaków.

Do czego służy ustawienie różnorodności?

`variety` to liczba całkowita od 0 do 4: 0 oznacza dokładne trzymanie się opisanego stylu, 1 — zrównoważony efekt, 2 — wyraźnie różne style, 3 — śmiałe eksperymentowanie, a 4 — nadmierną różnorodność. Ustawienie działa tylko w trybie zaawansowanym.

Czy mogę dodać muzykę w tle?

Tak. Ustaw `background_music` na true w trybie zaawansowanym, aby dodać podkład muzyczny do mowy. Możesz też opisać styl akompaniamentu w `tone`.

Ile kosztuje Suno Speech?

Każda generacja kosztuje tyle samo co żądanie Suno Create Music: 0,10 USD za żądanie; opłata jest naliczana tylko wtedy, gdy generujesz.