Suno 5.5 se rapproche de la copie de voix et préserve la mélodie en mode Cover

Suno 5.5 s'est nettement rapprochée du clonage de la voix de l'utilisateur et d'un arrangement plus maîtrisable. Les tests pratiques montrent que le service sait déjà rendre une voix reconnaissable et transposer sa propre mélodie dans une chanson, mais il reste loin d'un résultat entièrement prévisible.

Comment une voix se construit

L'idée centrale des tests autour de Your Voice dans Suno 5.5 est qu'on ne peut pas réduire une voix à un seul timbre. Pour une synthèse crédible, le système travaille en pratique avec au moins trois couches : le timbre, l'intonation et l'articulation. Le timbre définit la « couleur » du son, l'intonation couvre la mélodie, le vibrato et les mélismes, et l'articulation concerne la manière dont les mots sont prononcés et chantés.

Cette séparation apporte de la souplesse : le modèle peut conserver une teinte de voix reconnaissable tout en modifiant l'interprétation, la langue et la manière de chanter.

Pour vérifier le comportement de Suno sur du matériau réel, l'auteur a constitué 11 jeux de voix, ou datasets, de chant et de parole. Il a d'abord utilisé des datasets courts, d'environ une à une minute et demie, puis des sélections plus longues et plus spécialisées, allant jusqu'à quatre minutes. La logique est simple : plus le matériau vocal est précis, plus le modèle a de chances de ne pas retomber dans un chant moyen par défaut. Un tel jeu permet aussi de voir plus facilement ce que le modèle retient le mieux.

• chant neutre, « de référence » et breathy pour différentes interprétations
• parole théâtrale et expressive pour tester la manière
• un jeu constitué d'une seule chanson pour viser précisément un caractère donné
• une compilation de plusieurs chansons pour plus de polyvalence

Il est aussi important que Suno réagisse non seulement au timbre, mais au caractère de la source. Si le dataset comporte une intonation marquée, un style scandé ou une manière inhabituelle, le modèle reprend le plus souvent précisément cela. Un jeu universel pour tous les genres ne fonctionne donc pas encore : chaque musique demande ses propres bases. C'est particulièrement visible sur les phrases émotionnelles et les transitions entre couplets, où le système saisit facilement la manière, mais ne maintient pas toujours la ressemblance exacte sur tout le morceau.

Ce que les tests ont montré

Sur les 11 datasets, plusieurs dizaines de générations ont été réalisées dans neuf styles, avec différents réglages de Weirdness, Style influence et Audio influence. La conclusion générale est encourageante : quand le matériau source présente un timbre fort ou une intonation caractéristique, le « chanteur » est déjà reconnaissable dans le résultat. Les jeux de parole expressive, l'interprétation théâtrale et les datasets au vocal color prononcé ont donné les meilleurs résultats, tandis que les plus universels, Song Set et One Song, n'offraient pas toujours la ressemblance maximale.

« C'est toi » : c'est ainsi que des proches de l'auteur ont jugé une

partie des générations.

La seconde conclusion importante concerne l'arrangement. Associer Your Voice au mode Cover permet de charger un brouillon MIDI simple converti en mp3 et d'obtenir une chanson avec sa propre mélodie et sa propre voix. En pratique, Suno peut servir non seulement de générateur de « chanson à partir de paroles », mais aussi d'outil pour esquisser rapidement un arrangement. Le mieux est un brouillon aussi sec et simple que possible, sans effets superflus : mélodie, rythme et harmonie doivent être clairement posés, sans surcharge de détails.

Où sont les limites

Même dans les exemples réussis, la qualité dépend fortement de trois conditions. Premièrement, le brouillon doit se situer dans une tessiture confortable pour le jeu de voix concerné : si la mélodie monte ou descend trop, Suno commence à faire glisser le chant vers une voix standard. Deuxièmement, le style de génération doit correspondre à la nature du dataset : du rap avec un jeu lyrique ou du rock avec une voix breathy donnent un résultat étrange. Troisièmement, il vaut mieux garder Audio influence assez élevé si l'objectif est de conserver sa propre voix, et non une variation agréable mais étrangère.

Les problèmes techniques ne manquent pas non plus. Début avril 2026, les mêmes défaillances revenaient régulièrement dans les tests : environ après la troisième minute, le jeu de voix était oublié, le texte pouvait se répéter et étirer le morceau jusqu'à huit minutes, des coutures douces apparaissaient dans l'audio, et l'accompagnement fléchissait parfois nettement à l'entrée de la partie vocale. Par ailleurs, le système ne lit pas toujours avec précision les harmonies complexes et les arrangements denses. Les résultats les plus fiables ne viennent donc pas, pour l'instant, de morceaux denses déjà finis, mais d'ébauches simples, sèches et bien contrôlées.

Ce que cela signifie

Suno 5.5 a dépassé le stade du « drôle, mais pas ressemblant » et entre dans le champ de l'usage pratique pour les démos, les arrangements rapides et les expériences avec des voix personnalisées. Mais ce n'est toujours pas un bouton pour obtenir un double numérique parfait : pour un résultat convaincant, il faut choisir les datasets séparément, surveiller la tessiture, simplifier les brouillons et accepter que, sur les chansons longues et complexes, le système retombe encore dans le compromis.