Moshi AI 对比 Adauris

Moshi AI 是来自巴黎开源科学研究实验室 Kyutai 的一种语音原生对话模型。它无需串联语音识别、文本生成和语音合成，而是直接处理音频，实现低延迟的全双工语音对话。

其多流设计为用户、Moshi的语音输出以及内部独白文本流开辟了独立的通道，从而提高一致性。这样的设置使得Moshi可以边听边说，应对重叠、打断和回话，就像真实的对话一样，而非僵硬的轮流发言。

Moshi建立在Helium——一个7B参数的语言模型，以及Kyutai的神经音频编码器Mimi之上。其权重和推理代码支持PyTorch、Rust和MLX，您还可以在浏览器中试用，网址为moshi-chat.kyutai.org。研究人员、语音AI开发者以及任何构建实时语音界面的人都能在这里找到最大的价值。

Adauris 将博客、新闻通讯、LinkedIn 帖子和电子书等书面内容转变为品牌化的播客风格音频。营销和销售团队使用它来改造现有内容，覆盖偏好听的受众，并将音频互动与销售线索成果相连接。

该平台支持逐字播报或经过编辑以适合听觉的脚本版本。你可以选择50多种不同的语言和方言的声音，添加背景音乐，上传自定义的开场和结尾。品牌化的可嵌入播放器与你的网站设计相匹配，完成的音频可以发布到Spotify、YouTube 和其他播客平台。

Adauris 的独特之处在于其线索智能层。一个数据丰富的像素能够识别谁在听以及持续多长时间，将匿名访客转化为可操作的潜在客户。与 HubSpot、Salesforce 和 Pipedrive 的集成可以同步听众数据、播放时间和行动呼吁的点击情况，直达你的客户关系管理系统。

销售团队还可以为电子邮件和 LinkedIn 推广生成简短的个性化音频片段，每个片段都带有日历预订链接，方便最活跃的听众使用。Google、The Walrus 和 The Daily Princetonian 的编辑团队使用 Adauris，以最少的持续努力为他们的内容添加音频版本。