Moshi AI vs TranscribeGo (formerly TranscribeMe)

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.

TranscribeGo transforme les notes vocales, les liens vidéo et les fichiers audio téléchargés en texte consultable via une application web et des bots de messagerie. Vous pouvez coller une URL YouTube, TikTok ou Instagram, déposer un fichier MP3 ou WAV, ou transférer une note vocale WhatsApp au bot TranscribeMe et obtenir une transcription en quelques secondes. Le service génère également des résumés, des traductions dans plus de 90 langues, des sous-titres SRT et des brouillons d’articles à partir d’enregistrements longs.

La plupart des outils de transcription vous demandent d’installer une application distincte ou de télécharger des fichiers sur un client de bureau. TranscribeGo rencontre les utilisateurs directement sur WhatsApp et Telegram, où les notes vocales existent déjà, et ajoute un tableau de bord navigateur pour les téléchargements en lot et l’historique. Cette distribution axée sur le chat lui a permis d’atteindre 3 millions d’utilisateurs et de traiter plus de 10 millions d’audios, selon les statistiques de la page d’accueil.

Les journalistes, étudiants, créateurs de contenu et employés de bureau sont les principaux utilisateurs. Le forfait gratuit inclut 10 minutes par mois sans carte bancaire, tandis que les plans payants Starter et Pro augmentent le plafond mensuel à 200 et 1 000 minutes respectivement.