💡 站外导读:面对多起高调版权诉讼与音频赛道的内卷挤压,Suno 正试图跳出“纯音频生成器”的单一定位。平台正式推出覆盖 Web 与双端移动应用的 Visuals 功能,底层引入基于 MiniMax H3 优化的 H3 Move 视频模型,让 AI 歌曲一键生成对齐歌词口型的 15 秒 MV 短片与专辑封面。不过,独立计费体系叠加新功能上线,也瞬间点燃了核心用户“先修好音质再堆视觉”的争议。

一、 从“听觉单品”迈向“视听成品”:Visuals 三端入口与核心交互拆解
据 The Verge 报道,Suno 已面向 Web 网页端、iOS 以及 Android 客户端全量推送全新功能模块 Visuals,允许创作者直接为自己生成的 AI 歌曲配齐视觉封面与动态 MV 短片。尽管桌面端与移动端的界面排布略有差异,但用户在任一版本的“创作模式(Create mode)”下都能直接找到独立的 Visuals 标签页;Web 端用户还可以从曲库(Library)任意歌曲右侧的三点菜单快速唤起该功能。
在核心创作流程上,Visuals 兼顾了静态封面设计(支持通过文本提示词生成并自由指定横屏或竖屏等比例参数,适配各大流媒体及短视频平台)与动态视频剪辑两大场景。针对视频生成,用户只需在音轨上框选目标区间(单次生成上限为 15 秒),再配置起始画面参考即可自动渲染。
二、 首尾帧可控拼接 + 歌词口型自动对齐:基于 MiniMax H3 的 H3 Move 引擎
值得关注的是底层模型选型:The Verge 确认 Visuals 由名为 H3 Move 的模型驱动,该模型基于国产大模型厂商 MiniMax 旗下的 H3 模型深度适配打造。Suno 强调已针对自家社区场景对模型进行了专项优化与安全加固,部署了一整套全新的文本及视觉检测护栏,防止用户生成侵权艺人肖像或受版权保护的影视形象。
| 功能模块 | 具体实现规格与操作选项 | 工程与创作价值 |
|---|---|---|
| 参考图像来源(三选一) | 1)Suno 原创角色预设;2)用户本地上传照片或艺术画作;3)站内 Prompt 实时生图 | 兼顾零门槛快速出片与自定义 IP 角色一致性 |
| 首尾帧衔接控制 | 支持将参考图指定为 15 秒片段的起始帧或结束帧(Start / End Frame) | 方便用户将多段 15 秒短片顺滑衔接为完整长 MV |
| 音画口型同步(Lipsync) | 提供自动口型开关,使画面人物嘴型精确贴合歌曲人声歌词 | 直接跨越传统静态图+歌词字幕的简陋阶段 |
| 时间轴编辑器与字幕 | 内置专属多片段视频时间轴(Timeline),支持裁剪时长、纵横比与自定义歌词排版 | 站内一站式完成成片封装,减少导出第三方剪辑软件成本 |
| 底层模型与安全过滤 | 采用基于 MiniMax H3 开发的 H3 Move 模型,叠加文本与视觉双层过滤器 | 严格拦截特定艺人、公众人物肖像与受版权保护 IP 生成 |
三、 独立 Visuals Credits 计费体系与 10 月 Speech 之后的生态扩张
在商业化层面,Suno 并未将视频生成打包进原有的音乐制作额度中,而是专门设立了一套独立核算的 Visuals credits(视觉积分)。这意味着订阅用户在消费原本的 song credits 创作歌曲之余,若希望进一步导出配套专辑图或 15 秒口型同步 MV,将产生额外的积分采购或消耗支出。
从产品演进节奏来看,Visuals 也是 Suno 今年秋季加速拓展多模态边界的又一步棋——就在今年 10 月,Suno 刚刚上线了用于生成口语旁白与配音的 Speech 功能。在 AI 音乐主业接连遭遇传统唱片业多起高调版权诉讼(如近期 Reservoir 等唱片巨头提起的版权诉讼风波)的大背景下,通过引入语音合成与视频剪辑能力,把单一的“AI 作曲工具”升级为覆盖歌词、人声、封面与 MV 短片的一站式娱乐内容工作台,成为 Suno 对冲单一业务合规风险、提升单用户 ARPU 值的关键战略举措。
四、 “先修好音频,别加没人要的功能!”:多模态野心背后的社区信任裂痕
尽管多模态一体化工作流在产品逻辑上颇具吸引力,但首批用户对 Visuals 的反馈却呈现出明显的撕裂。许多长期使用 Suno 的核心音乐创作者认为,公司将工程与算力资源分散到自己并不擅长、且市场早已高度拥挤的 AI 视频赛道,反而稀释了对核心音频生成质量的打磨。
就在 Suno 官方 YouTube 频道发布的 Visuals 宣传视频下方,一条高赞评论毫不客气地吐槽:“FIX AUDIO BEFORE ADDING CRAP NOBODY ASKED FOR(先把音频问题修好,别加这些没人要求的功能)”,而这一情绪迅速引发了大量老用户的附和。对于工具型 AI 平台而言,如何在追逐全栈多模态估值故事的同时守住核心基本盘的体验底线,正成为摆在 Suno 面前比技术集成更棘手的考验。
📝 站长洞察 (Editor’s Insight)
Suno 联合 MiniMax H3 推出 Visuals 并不令人意外——在版权诉讼缠身与单一音频赛道见顶的夹击下,向短视频平台最友好的“15 秒对口型 MV + 歌词时间轴”延伸,是拉升用户留存与开辟 Visuals credits 第二营收曲线的最短路径。但 YouTube 评论区那句“先修音频再加视频”的吐槽,却精准戳中了所有垂直 AIGC 应用的共同陷阱:当核心模态(音频母带质感、音色稳定度与人声自然度)尚未建立不可替代的代差时,盲目横跳成“大而全的多模态拼接工作台”并增设二次收费,极易在核心创作者群体中透支产品口碑。
Suno Visuals 功能是什么?
Visuals 是 Suno 新推出的视觉生成模块,可为 AI 歌曲生成专辑封面和最长 15 秒的动态 MV 短片。它支持文本提示词、参考图、首尾帧控制和自动口型对齐,适合做短视频平台风格的音乐内容。
Suno Visuals 用的是什么模型?
文章信息显示,Visuals 由 H3 Move 驱动,该模型基于 MiniMax 的 H3 深度适配优化而来。Suno 还加入了文本与视觉双层过滤,重点限制侵权艺人肖像、公众人物形象和受版权保护 IP 的生成。
Visuals 需要额外付费吗?
需要。Suno 为 Visuals 单独设置了 Visuals credits,不包含在原有 song credits 里。也就是说,用户在生成歌曲之外,如果还要导出封面或 15 秒 MV,通常会消耗额外积分。
Visuals适合什么创作流程?
更适合已完成编曲、想快速包装发布的成品流。建议先把人声、节奏、段落结构打磨到可听,再用首尾帧和时间轴微调画面,避免把视频当补救音质的工具。
独立积分该怎么评估值不值?
把它当新增分发成本而非创作成本来算:若短视频、封面、宣发素材能显著提升点击和完播,独立计费可接受;若只是试错,先用少量 credits 验证单条内容的转化再扩量。
