BeyondWords 对比 MusicLM

BeyondWords通过为新闻编辑室和数字出版商打造的音频内容管理系统，将书面文章转换为可发布的音频。连接WordPress、Ghost或RSS订阅源，每篇文章都会生成带有品牌播放器的朗读版本，您只需嵌入几行代码即可。该平台处理发音规则、元数据映射以及智能更新，仅重新生成更改的段落。

通用的文本转语音工具按字符计费，对每段文本一视同仁。BeyondWords按文章计费，并将音频与CMS元数据（如作者、分类和标识符）一起存储。这种以文章为中心的模式，加上对姓名和行业术语的发音控制，面向需要可预测规模成本而非一次性语音生成的出版商。

新闻出版商、编辑团队和数字媒体公司使用BeyondWords添加收听按钮，无需雇佣配音演员。客户包括Mediacorp、News Corp和The Irish Times。团队可以在24小时内克隆编辑声音，混入音乐和采访片段，并通过Google Ad Manager集成实现播放变现。

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。