Audyo vs MusicLM

Audyo es un editor de texto a voz que convierte guiones escritos en audio hablado tan fácilmente como escribir un documento. Editas palabras en lugar de formas de onda, cambias entre más de 100 voces con diferentes acentos e idiomas, y exportas archivos para videos, podcasts o presentaciones. Los encabezados Markdown, listas y divisores horizontales añaden pausas entre párrafos sin abrir una línea de tiempo de audio separada.

Las herramientas tradicionales de voz en off te obligan a cortar formas de onda y gestionar pistas manualmente. Audyo trata el audio como un documento: Quick Select te permite crear diálogos con varios hablantes cambiando voces en línea, las correcciones fonéticas solucionan pronunciaciones difíciles palabra por palabra, y un Asistente de Audio con IA ayuda a reescribir guiones dentro del editor. Ese flujo de trabajo es adecuado para creadores que piensan primero en texto y solo necesitan audio limpio como resultado.

Podcasters y editores de video usan Audyo para voces en off sin cabinas de grabación. Autores de audiolibros mezclan inglés, español, hindi y más de 10 idiomas soportados en un solo proyecto. El sitio reporta casi 70,000 creadores en la plataforma, con casos de uso que abarcan videos, podcasts, audiolibros y trabajo general de voz en off.

MusicLM es un modelo de generación de audio de Google Research que crea música a partir de descripciones textuales a 24 kHz. La página pública de ejemplos aloja clips de muestra para indicaciones como bandas sonoras de arcade, fusiones de reggaeton-EDM y jazz relajante, además de generaciones más largas en modo historia que cambian de estilo a lo largo de segmentos temporizados. Google publicó el conjunto de datos MusicCaps con 5,500 pares de música y texto junto con el artículo.

A diferencia de las aplicaciones para consumidores que ofrecen una sola caja de indicaciones, MusicLM se publicó como una demostración de investigación con muestras pre-generadas en lugar de un producto con inicio de sesión. Su característica principal es la condicionamiento conjunto de texto y melodía: puedes tararear o silbar una melodía y el modelo la vuelve a interpretar en un nuevo género descrito en texto. El modo historia enlaza múltiples descripciones para que la música evolucione a lo largo de las secciones.

MusicLM es importante como la base de investigación detrás de los modelos musicales posteriores Lyria de Google, pero esta página es para escuchar ejemplos publicados, no para crear nuevas pistas de forma interactiva. Investigadores y músicos lo estudian por la consistencia en piezas largas, el condicionamiento de pintura a música y los resultados de transferencia de melodía documentados en el artículo de 2023.