Moshi AI 对比 Murf AI

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。

Murf AI 将文本、文档和脚本转换为逼真的语音，适用于视频、课程和电话客服。Murf Studio 提供 200 多种声音，涵盖 35 多种语言，支持音调、速度和发音控制，而 Falcon 文本转语音 API 针对实时语音代理，首音延迟低于 100 毫秒。Murf Dubbing 可将视频翻译成 40 多种语言，同时保持语调。

大多数文本转语音工具声音单调或在实时通话中延迟。Murf 采用双重方案：第二代在多语言新闻句子上的发音准确率达到 99.38%，Falcon 2 价格为每分钟 0.01 美元，模型延迟低于 55 毫秒，支持 10,000 并发通话。该双模型设置比单一语音选择器复杂，但能在一个平台上同时覆盖录音室配音和 IVR 代理。

雀巢、法航和 Vertiv 使用 Murf 进行培训音频和多语言内容。免费 Studio 版本包含 10 分钟的语音生成，无商业使用权，付费月度计划解锁下载、团队工作区和商业授权。