Moshi AI 对比 Async (formerly Podcastle)

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。

Async 让你通过与 AI 聊天来录制、编辑和重新发布音频和视频，而无需在时间线上拖动剪辑。你可以捕捉远程播客，根据提示生成素材，清理音频，添加字幕，为内容配音，并将长时间录音转换为社交短片，全部在一个浏览器工作流程中完成。

大多数编辑器将录制、转录和剪辑制作分散在不同应用中，而 Async 将它们整合在名为 Bumblebee 的聊天界面后面。你上传素材或从模板开始，告诉 Async 需要剪辑或生成什么，它会处理节奏、字幕和导出。该平台还列出了 100 多个用于视频、图像、音乐和语音的生成模型，包括 Kling、Veo、Sora 和 GPT Image 2。

免费计划包含 10 个终身 AI 积分和 1 小时的媒体上传，足以在升级前测试聊天编辑器。付费等级增加每月积分池（Essentials 为 450，Pro 为 1,200，Teams 为 3,000），用于计量视频生成、配音和其他 AI 操作。年度计费可节省高达 40%。

目标用户是希望在一个地方完成录制、编辑和再利用，而无需学习传统非线性编辑软件的播客制作者、视频创作者、营销团队和社交媒体经理。提供 iOS 应用，远程录制支持每次最多 10 名参与者。