Suno estrena Speech: voz hablada y música generadas en la misma pista

Suno abre la beta pública de Speech, lo que llama «el primer modelo de audio que genera voz y música juntas como una pista coherente»: el usuario escribe un texto —un poema, un guion, un mensaje— y describe la voz y el estilo musical, y el sistema genera la locución sobre música original. Llevaba un mes en prueba con un grupo reducido de usuarios.

Qué ha ocurrido

Suno ha anunciado en su blog oficial la apertura de la beta pública de Speech, un modelo de audio que genera habla y música de fondo juntas como una sola pista coherente. La entrada la firma su jefe de producto, Jack Brody, y describe el producto como extensión natural de la plataforma: «el primer modelo de audio que genera voz y música juntas como una pista coherente». El flujo es el habitual en Suno: se escribe una idea, un poema o un texto propio y se describe la voz y el estilo musical deseados. La compañía admite que la beta es beta: los acentos británicos «se van a Australia y vuelven», las pausas dramáticas pueden ser muy dramáticas.

Por qué importa

El audio hablado con música integrada es un terreno nuevo para el consumo casual —narración personal, felicitaciones, historias para dormir, pódcast con banda sonora— y para él Suno empuja su propuesta de «entretenimiento creativo», aquella ola en la que la compañía cree que definirá la próxima ola de la tecnología de consumo para creadores. Para los modelos de negocio de voz (ElevenLabs, valorada esta semana en 22.000 millones según información contrastada) y para el de música (el propio Suno), la frontera se difumina: un solo modelo cubre las dos tareas. La jugada amplía la exposición legal y contractual de Suno, que aún negocia licencias de Catálogo con las mayores discográficas tras las demandas de 2024, ahora también con voz generada.

Qué cambió

AntesGenerar voz y música juntas exigía dos modelos separados y mezcla manual.

AhoraUn único modelo de Suno produce habla y fondo musical coherentes a partir de texto y una descripción de estilo.

ConsecuenciaSe solapan los mercados de música generativa y síntesis de voz, y la negociación de Suno con las discográficas incorpora de facto la voz.

Qué sabemos · qué no

Confirmado

• La ficha oficial de Suno (1 de octubre de 2026, firmada por Jack Brody, Chief Product Officer) describe el producto y su apertura pública tras un mes de prueba con usuarios.
• La entrada lo enmarca en su «visión» de otras formas de expresión además de la música, y enmarca v6, presentado por el consejero delegado Mikey Shulman en «asociación con la industria musical».
• La cobertura de The Verge (3 de octubre) confirma la disponibilidad en beta para todo el público.
• La presentación oficial es del blog de Suno (1-oct-2026, CPO Jack Brody), tras un mes de pruebas con usuarios.
• El anuncio de Suno posiciona Speech como modelo pionero (afirmación de la compañía, no verificada de forma independiente).
• The Verge confirma el despliegue en beta pública el 3 de octubre.

Todavía no

• Qué modelo base usa Speech y si entrena con voces de terceros o solo con las generadas.
• Cómo se aplican a la voz las protecciones antideepfake de voz que Suno y sus rivales han prometido.
• Precios y límites de uso en la beta.
• El origen de los datos de entrenamiento de voces.
• Restricciones de seguridad específicas contra la clonación de voz en Speech.
• Modelo de negocio de la función.

Para ir al grano técnico

• → anuncio

Qué vigilamos ahora

La respuesta de las discográficas con las que Suno negocia licencias y si aparecen casos virales de suplantación de voz que presionen al regulador.

Aceptación entre usuarios y las primeras denuncias de uso suplantador de voces reales.