audyo.ai 对比 MusicLM

Audyo 通过文档式编辑器将输入的文本转换为可下载的语音。您可以编写或粘贴脚本，从100多种语言和口音的声音中选择，并导出用于视频、播客、演示及其他项目的音频，无需录音棚录制。

大多数音频工具需要您修剪波形并在台词更改时重新录制。Audyo 以脚本作为唯一真实来源，因此您可以修改文本、更换说话人并重新生成音频，而无需操作时间线。这种以文本为先的工作流程适合将旁白视为草稿而非一次性录制的创作者。

您可以构建多声音对话，在一个项目中混合多种语言，使用音标设置自定义发音，使用 Markdown 格式化脚本，并利用内置助手在生成音频前优化文案。Audyo 支持英语、法语、西班牙语、德语、意大利语、巴西葡萄牙语、日语、韩语、中文、印地语、阿拉伯语、土耳其语和俄语，适用场景包括配音、播客、有声书和视频旁白。

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。