Moshi AI 对比 Loudly

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。

Loudly 将文本提示转换为免版税曲目，您可以在一个工作室内进行混音、母带处理并发布到 Spotify。选择专有模型，如用于器乐的 VEGA（三个质量等级）或用于带有歌词和人声的完整歌曲的 MANTA 1，然后导出附带商业许可的 MP3 或 WAV 文件。

当通用 AI 音乐工具仅限于单一生成器时，Loudly 将生成、AI 混音器、音轨分离、效果处理、母带处理和 Loudly Distro 融合于一个工作流程中。竞争对手如 Soundraw 或 Mubert 专注于背景音乐；Loudly 通过 MANTA 1 增加了人声歌曲生成，提供支付 100% 流媒体版权费的分发服务，以及用于在第三方应用中嵌入生成的音乐 API。

YouTubers、播客主持人、独立游戏开发者和广告代理机构使用 Loudly 制作适合社交平台的背景音乐、客户活动音频以及在 Spotify 和 Apple Music 上发布的目录作品。个人和专业计划在年度计费中包含 Distro Plus，每月可发布多达 200 首曲目，覆盖 50 多个平台。