Suno 5.5 تقترب أكثر من محاكاة الصوت وتحافظ على اللحن في وضع Cover

اقتربت Suno 5.5 بوضوح من استنساخ صوت المستخدم ومن توزيع موسيقي أكثر قابلية للتحكم. وتُظهر الاختبارات العملية أن الخدمة باتت قادرة على جعل الصوت قابلًا للتعرّف عليه وعلى نقل لحن المستخدم إلى أغنية، لكنها لا تزال بعيدة عن نتيجة يمكن التنبؤ بها بالكامل.

كيف يُبنى الصوت

الفكرة الرئيسية في اختبارات Your Voice ضمن Suno 5.5 أن الصوت لا يمكن اختزاله في طابع واحد. فلكي يكون التركيب الصوتي مقنعًا، يعمل النظام فعليًا على ثلاث طبقات على الأقل: الطابع الصوتي (التيمبر)، والتنغيم، والنطق. يحدد التيمبر «لون» الصوت، ويحدد التنغيم اللحن والفيبراتو والزخارف الصوتية، أما النطق فيحدد طريقة لفظ الكلمات وغنائها.

يمنح هذا الفصل مرونة: يستطيع النموذج الحفاظ على الصبغة المميّزة للصوت، وفي الوقت نفسه إعادة بناء طريقة الأداء واللغة والأسلوب. ولاختبار سلوك Suno على مادة حقيقية، جمع كاتب التجربة 11 مجموعة صوتية، أي مجموعات بيانات، من الغناء والكلام. بدأ بمجموعات قصيرة مدتها نحو دقيقة إلى دقيقة ونصف، ثم انتقل إلى مجموعات أطول وأكثر تخصصًا تصل إلى أربع دقائق. والمنطق بسيط: كلما كانت المادة الصوتية أدق وصفًا، زادت فرصة ألا ينزلق النموذج إلى صوت افتراضي متوسط. وعلى مجموعة كهذه يسهل رصد ما يتذكره النموذج على أفضل وجه.

• غناء محايد و«مرجعي» وغناء breathy لأنماط أداء مختلفة
• كلام مسرحي ومعبّر لاختبار الأسلوب
• مجموعة من أغنية واحدة لإصابة شخصية محددة بدقة
• تجميع من عدة أغانٍ لمزيد من التنوع والشمول

ومن المهم أن Suno يتفاعل لا مع التيمبر وحده، بل مع طابع المادة المصدرية أيضًا. فإذا كانت مجموعة البيانات تحتوي على تنغيم لافت أو إلقاءً شبه منطوق أو أسلوبًا غير مألوف، فإن النموذج ينقل ذلك غالبًا. لهذا لا تنجح حتى الآن مجموعة واحدة شاملة لكل الأنواع الموسيقية: فالموسيقى المختلفة تتطلب تجهيزات مختلفة. ويظهر ذلك بوضوح خاص في العبارات العاطفية والانتقالات بين المقاطع، حيث يلتقط النظام الأسلوب بسهولة لكنه لا يحافظ دائمًا على التشابه الدقيق على امتداد المقطوعة كلها.

ماذا أظهرت الاختبارات

على مجموعات البيانات الـ11 أُجريت عدة عشرات من عمليات التوليد في تسعة أساليب وبمعاملات مختلفة لكل من Weirdness وStyle influence وAudio influence. وجاء الاستنتاج العام مشجعًا: حيثما كان في المادة المصدرية تيمبر قوي أو تنغيم مميّز، أصبح «المغنّي» في النتيجة قابلًا للتعرّف عليه. وكانت أفضل النتائج مع مجموعات الكلام المعبّر expressive والأداء المسرحي theatrical والمجموعات ذات اللون الصوتي الواضح vocal color، بينما لم تحقق مجموعتا Song Set وOne Song الأكثر عمومية أقصى درجات التشابه دائمًا.

«هذا أنت»، هكذا وصف المقرّبون من الكاتب جزءًا من النتائج.

ويتعلق الاستنتاج المهم الثاني بالتوزيع. فالجمع بين Your Voice ووضع Cover يتيح رفع مسودة MIDI بسيطة محوّلة إلى mp3، والحصول على أغنية بلحنك وصوتك. عمليًا، هذا يعني أن Suno لا يقتصر على كونه مولّد «أغنية من نص»، بل يصلح أداة لرسم توزيع أولي سريع. وتعمل الأداة بأفضل صورة مع مسودة جافة وبسيطة قدر الإمكان من دون مؤثرات زائدة: ينبغي أن يكون اللحن والإيقاع والتناغم الهارموني محددة بوضوح، لكن دون إثقال بالتفاصيل.

أين تكمن القيود

حتى في الأمثلة الناجحة، تعتمد الجودة بقوة على ثلاثة شروط. أولًا، يجب أن تقع المسودة ضمن مدى مريح لمجموعة الصوت المعنية: فإذا جاء اللحن مرتفعًا جدًا أو منخفضًا جدًا، بدأ Suno بتحويل الصوت تدريجيًا إلى صوت قياسي. ثانيًا، يجب أن يتوافق أسلوب التوليد مع طبيعة مجموعة البيانات: فالراب مع مجموعة أوبرالية، أو الروك مع صوت breathy، يعطيان نتيجة غريبة. ثالثًا، من الأفضل إبقاء معامل Audio influence مرتفعًا بما يكفي إذا كان الهدف الحفاظ على صوتك أنت، لا الحصول على نسخة جميلة لكنها تخص صوتًا آخر.

والمشكلات كثيرة على المستوى التقني أيضًا. ففي بداية أبريل 2026 تكررت في الاختبارات الأعطال نفسها بانتظام: بعد الدقيقة الثالثة تقريبًا تُنسى مجموعة الصوت، وقد يتكرر النص فيمتد المقطع إلى ثماني دقائق، وتظهر في الصوت وصلات ناعمة مسموعة، وأحيانًا يتراجع مستوى المصاحبة الموسيقية بوضوح مع بدء الجزء الغنائي. يضاف إلى ذلك أن النظام نفسه لا يقرأ دائمًا بدقة الهارموني المعقّد والتوزيعات المزدحمة. لذلك تأتي النتائج الأكثر موثوقية حتى الآن لا من المقطوعات الجاهزة الكثيفة، بل من المسودات البسيطة الجافة التي يمكن التحكم بها جيدًا.

ماذا يعني ذلك

تجاوزت Suno 5.5 مرحلة «مضحك لكنه لا يشبه»، ودخلت منطقة الاستخدام العملي في العروض التجريبية والتوزيعات السريعة وتجارب الغناء المخصص. لكنها ما زالت ليست زرًا يمنحك توأمًا رقميًا مثاليًا: فللحصول على نتيجة مقنعة ستحتاج إلى انتقاء مجموعات البيانات بصورة منفصلة، ومراقبة المدى الصوتي، وتبسيط المسودات، والتسليم بأن النظام لا يزال ينهار إلى حل وسط في الأغاني الطويلة والمعقدة.