Moshi AI 对比 Amadeus Code

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。

Amadeus Code 是一家音频生成公司，基于团队自有的内部训练数据构建音乐人工智能。其主页将产品分为用于创作 MIDI 歌曲创意、生成免版税曲目、浏览权利清晰的库，以及为需要商业使用许可音频的开发者提供 API 数据集。

该产品组合侧重于权利安全，而非开放网络抓取。FUJIYAMA AI SOUND 和 Evoke Music 都强调训练过程中不使用未经授权的第三方作品，MusicTGA-HR 则通过 API 提供 24 位/48 kHz WAV 分轨、多轨 MIDI 以及 NeuroSync 生成的数据集。这种对清晰数据的关注是其与无法证明训练来源的通用音乐生成器的主要区别。

其目标用户包括创作者、YouTube 制作者、零售商和企业团队。MusicTGA 针对数字音频工作站（DAW）工作流程，Evoke Music 适用于 YouTube 和店内播放，OTOKAI 则将音乐应用于健康体验。公司总部位于日本，主站提供 API 令牌。