Pokud vím, Suno je na hranici Pareto syntézy hlasu, i když je určena spíše pro hudbu než pro řeč. Klady: - schopnost generovat vlastní hlasy specifikované v textu: popisovat jakékoli kvalitativní vlastnosti týkající se toho, jak hlas zní a jak je řeč předána - dobře zvládá emoce – méně ploché a robotické než jiné věci, které jsem zkoušel - podporuje looming (větvení a pokračování generovaných vzorků z libovolných bodů) Nevýhody: - pomalu - bez API - ztrácí soudržnost při dlouhých textech - má tendenci přecházet do písní nebo vkládat podkladové instrumentály, i když požadujete pouze řeč (i když můžete exportovat vokální stemy, abyste se zbavili instrumentálů) Je tedy ideální pro čtení nahlas krátkých, neinteraktivních textů nebo pro vytváření vlastních hlasů, které lze například importovat do Elevenlabs, v obou případech pokud chcete mít velkou kontrolu nad zvukem a osobností hlasu. Pokud existuje lepší možnost s více těmito výhodami nebo méně těmito nevýhodami, rád bych o tom věděl.