Moshi AI 对比 AnthemScore

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。

AnthemScore 是一款桌面音乐转写软件，可将录制的音频转换为可编辑的乐谱。你只需加载 MP3、WAV 或类似的音频文件，程序便能检测音符、打击乐、节拍和乐器，然后将其排版为乐谱，供你进行校对、导出和打印。它支持 Windows、Mac 和 Linux，桌面端应用为一次性买断制，无需订阅。

大多数云端转写工具采用按月收费，并将你的音频上传到服务器。而 AnthemScore 在你的本地机器上处理文件，这对于处理未发布录音或长时间音频会话的用户来说至关重要。代价是，你需要一台拥有约 4 GB 可用内存的 64 位笔记本电脑或台式机，该软件不支持手机或平板电脑。

音乐家、老师和业余转写者使用它通过听觉学习声部、从录音中创建主旋律谱，并导出 PDF、MIDI 或 musicXML 文件，以便在 MuseScore 或类似的记谱应用中进行进一步编辑。吉他手可以将五线谱切换为带有自定义品数和调弦的六线谱（Tablature）。