Audyo 对比 MusicLM

Audyo 是一款文本转语音编辑器，可以像编辑文档一样轻松地将书面脚本转换为语音音频。您编辑的是文字而非波形，可以在 100 多种不同口音和语言的声音之间切换，并导出用于视频、播客或演示的文件。Markdown 标题、列表和水平分隔线在段落之间添加停顿，无需打开单独的音频时间线。

传统的配音工具需要手动剪辑波形和管理轨道。Audyo 将音频视为文档：快速选择功能让您通过内联切换声音来构建多角色对话，语音覆盖功能逐字修正发音难点，AI 音频助手帮助在编辑器内重写脚本。该工作流程适合先以文本思考、只需干净音频输出的创作者。

播客主持人和视频编辑使用 Audyo 进行配音，无需录音棚。有声书作者在一个项目中混合使用英语、西班牙语、印地语及其他 10 多种支持语言。该网站报告平台上有近 70,000 名创作者，使用场景涵盖视频、播客、有声书和一般配音工作。

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。