Sunoが音楽生成を日常の言葉へ広げる「Speech」

曲ではなく、言葉に音楽を添える

AI音楽サービスのSunoが、新機能「Speech」を公開した。生成するのは、オリジナルの背景音楽を伴う話し声である。2026年10月2日付のMusic Allyが伝えたこの機能は、完成した楽曲を作るという枠から、日常の言葉を演出する方向へサービスを広げるものだ。

Sunoが挙げた用途は、友人のメッセージを大げさな朗読に変えること、普段の音声メモに壮大な音楽を付けること。瞑想、詩、励ましの言葉、子どものための寝かしつけの物語も並ぶ。作品として発表するためだけではない。誰かに伝える言葉や、自分の時間に音楽を添える使い方である。

ただし、完成度が保証された機能ではない。Sunoは開発途上と説明し、英国のアクセントが途中で豪州風になることや、劇的な間が過剰になる場合を注意点に挙げている。誰でも試せる公開と、生成結果の不安定さ。その両方が同時に示されている。

有料利用の規模と、日常用途への足場

この拡張の背景には、すでに一定の有料利用がある。最高経営責任者のMikey ShulmanはBloombergのインタビューで、直近に公表した数字は有料契約者200万人、売上高3億ドルであり、足元ではそれを「大きく上回る」と述べた。Music Allyの見出しは売上を年額としている。ただし、今回、新たな具体的数値は公表されていない。確認できるのは経営者による説明であり、最新の契約者数や成長率ではない。

サブスクリプションサブスクリプションSubscription継続的な支払いと引き換えに、一定期間サービスを利用できる契約方式。音楽配信では、表示料金だけでなく、割引や契約構成も利用者あたりの収益に関わる。用語集で詳しくの規模を示すこの説明と並んで重要なのが、使い道の広がりだ。記事によれば、文章を歌にするTikTok上の流行は、すでにSunoをApp Storeのランキング上位へ押し上げた。Speechは、こうした人とのやり取りや共有に結びつく利用を、歌以外の音声にも広げる試みと読める。

もっとも、その流行がどれほど有料契約につながったかは示されていない。Speechの利用頻度や収益も不明である。日常用途が継続利用を支える可能性と、実際に事業として定着したかどうかは、分けて見る必要がある。

使い道が広がるほど、表示の境界が問われる

Shulmanは、次の成長段階に向けてWMG、BMGなど音楽企業との提携が重要だとも述べた。利用の拡大だけでなく、既存の音楽産業との関係が成長の条件として語られている。ただし、記事は各提携の契約条件や権利処理の範囲までは説明していない。

もうひとつの論点が、AIを使った音楽の表示である。Shulmanは、数語を入力して生成する場合から、専門家が制作の最終段階で一部だけ使う場合まで、利用には幅があると説明した。そのうえで、AI企業、配信側、権利者のいずれかが単独で決めるのではなく、共同でルールを作る考えを示している。

一方、音楽業界団体の一部は、すでに7月に表示制度を提案していた。全面的なAI生成を示すAI-GeneratedAI-GeneratedAI-Generated今回の共通方針で、録音の創作的要素の全体または主要部分を生成AIが作った場合に使うラベル。主たる歌唱や主要な楽器演奏だけを生成した場合も例に含まれる。用語集で詳しくと、制作の一部にAIを使うAI-AssistedAI-AssistedAI-Assisted人間が実質的に制作し、一部の表現要素に生成AIを使った録音に付けるラベル。今回の定義では、主たる歌唱と主要な楽器演奏は人間が担うことが条件となる。用語集で詳しくを、別のバッジで区別する案だ。記事時点では、ストリーミングストリーミングMusic streamingネットワーク経由で音源を受信しながら再生する提供方式。音楽市場では有料契約や広告などに支えられるが、市場収入と個々のアーティストの受取額は同じ指標ではない。用語集で詳しくサービスにもAI音楽プラットフォームにも採用されていない。ルールを固める時期をめぐり、両者の姿勢には隔たりがある。

ここから1〜3年を考える際の焦点は、生成される曲数だけではない。Speechのように話し声と音楽が一体になる用途が広がれば、何を単位にAI利用を表示し、聞き手へどこまで説明するかが、さらに問われる可能性がある。ただし、今回の記事から普及の速度や表示制度の採用時期までは見通せない。

日本から見ると、楽曲の外にも入口がある

日本からこの動きを読む際、日本での普及状況との単純な比較はできない。記事には、日本の利用者数も、日本語音声の品質も示されていない。英国のアクセントに関する注意書きだけから、他言語での使いやすさを推し量ることもできない。

それでも、着目できる違いはある。楽曲を聴く、作る、売るという枠組みに対し、Speechが前面に出すのは、メッセージや物語を音楽で演出する行為だ。生成音楽の接点が、発表される作品だけでなく、人と人の間で交わされる言葉にも生まれている。その小さな用途の拡張と、聞き手に生成の関与を伝える仕組みの未整備が、同じ場所に見えている。