Moshi AI vs Hydra by Rightsify

Moshi AI est un modèle conversationnel natif à la parole développé par Kyutai, un laboratoire de recherche open-science basé à Paris. Au lieu de chaîner la reconnaissance vocale, la génération de texte et la synthèse vocale, Moshi traite directement l'audio et mène des conversations vocales en duplex intégral avec une latence minimale.

Sa conception multi-flux exécute des canaux séparés pour l'utilisateur, la sortie vocale de Moshi, et un flux de texte Monologue intérieur qui améliore la cohérence. Cette configuration permet à Moshi d'écouter et de parler en même temps, de gérer les chevauchements, les interruptions et la réponse en arrière-plan comme lors d'une vraie conversation, plutôt que des tours de parole rigides.

Moshi est construit sur Helium, un modèle linguistique de 7 milliards de paramètres, et Mimi, le codec audio neuronal de Kyutai. Les poids et le code d'inférence sont disponibles pour PyTorch, Rust, et MLX, et vous pouvez l'essayer dans le navigateur sur moshi-chat.kyutai.org. Les chercheurs, les développeurs d'IA vocale, et toute personne créant des interfaces vocales en temps réel y trouveront le plus de valeur.

Hydra by Rightsify est un modèle de génération musicale par IA conçu pour créer des morceaux instrumentaux et des effets sonores sans droits d'auteur, à partir de prompts textuels. Il est destiné aux entreprises, créateurs de contenu et artistes qui ont besoin de musiques de fond originales pour des vidéos, jeux, streaming, podcasts et médias commerciaux, sans avoir à se soucier des démarches de licence traditionnelles.

Hydra est entraîné sur le catalogue de données détenu par Rightsify et se concentre sur les instrumentaux plutôt que sur les voix. Les utilisateurs décrivent le genre, l'instrumentation, le tempo, l'humeur et le contexte dans un prompt, puis génèrent des extraits qui varient généralement d'échantillons courts à environ deux minutes. Hydra II a enrichi le modèle avec un jeu de données d'entraînement plus vaste, une prise en charge multilingue, ainsi que des outils d'édition tels que le remixage, la boucle, les contrôles de fade, le mastering, la séparation des stems et le découpage audio.

Rightsify positionne la production générée comme étant utilisable à des fins commerciales sous ses droits d'auteur, et la société a également obtenu une certification éthique pour l'IA via Fairly Trained. Un accès via API est disponible pour les développeurs souhaitant intégrer la génération de musique à partir de texte dans leurs propres produits.