Altered Studio 对比 MusicLM

Altered Studio 将录制或实时语音转换为为媒体制作和实时通话定制的声音。其语音对语音引擎可在浏览器中运行，也可在 Windows 和 Mac 本地运行，另有专门的 Real-Time Pro 应用程序用于游戏、呼叫中心和视频通话中的语音恢复。

大多数变声器在质量和延迟之间权衡。Altered 将技术栈分开：媒体制作变声针对 GPU 上的录音质量进行处理，并支持后期编辑优化；而 Real-Time Pro 使用 1 到 4 个 CPU 核心实现低延迟音色、口音转换及支持失声症和语音障碍的 Euphonia 功能。

播客主持人、游戏工作室和呼叫中心团队使用它来配音多角色场景、实时通话中切换口音以及清理嘈杂对话。Studio 页面提供 75 多种语言的转录、翻译及来自主要供应商的 70 多种语言的文本转语音配音，全部集成在一个编辑器中。

MusicLM 是谷歌研究团队开发的音频生成模型，能够根据文本描述以 24 kHz 采样率创作音乐。公开示例页面提供了多种提示的样本片段，如街机游戏原声、雷鬼与电子舞曲融合以及轻松的爵士乐，还有跨时段风格变化的长篇故事模式生成。谷歌在论文发布的同时，公开了包含 5,500 对音乐与文本的 MusicCaps 数据集。

不同于只提供单一提示框的消费级应用，MusicLM 作为研究演示发布，展示了预生成样本，而非登录使用的产品。其核心技术是文本与旋律的联合条件控制：用户可以哼唱或吹口哨一段旋律，模型会根据文本描述将其重新演绎成新的音乐风格。故事模式则通过串联多个文本提示，使音乐在不同段落中演变。

MusicLM 是谷歌后续 Lyria 音乐模型的研究基础，但本页面仅供试听已发布示例，不支持交互式创作新曲。研究人员和音乐人关注其在长篇一致性、绘画到音乐的条件控制以及旋律迁移方面的表现，这些成果已在 2023 年的论文中记录。