Moshi AI 对比 Audio Note

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。

Audio Note 可以将语音录音和打字内容转换为清晰、结构化的文本。你可以对着浏览器说话或上传音频文件，工具会生成转录稿，你可以将其重新整理为笔记、电子邮件、清单或会议摘要，无需重新输入任何内容。

它位于快速语音记事与完成的写作之间。你只需录一次音，然后从七种输出格式中选择，如普通笔记、日记条目、会议总结、行动事项或LinkedIn帖子。主页演示显示，一个漫无目的的客户通话被转化为紧凑的摘要，并标出了后续跟进和截止日期。

该产品专为思维比用键盘更快的人设计。顾问、经理和创作者可以在走路或会议之间捕捉想法，然后润色成跟进电子邮件、帖子或个人日记。

Audio Note 在浏览器中运行，并可作为渐进式Web应用安装在iPhone、Android、Mac和Windows上，让你无需下载原生应用即可开始录音。