Moshi AI 对比 Suno

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。

Suno 能在一分钟内将文本提示转换为包含人声、歌词和完整制作的原创歌曲。数百万人在网页、iOS 和 Android 平台上使用这款音频生成应用，首次制作音乐或塑造已有的创意。移动应用在音乐类别中排名前10，拥有数十万条商店评价。

大多数生成器仅停留在短的器乐循环。Suno 根据情绪、主题或您自己的歌词构建跨流派的完整曲目。您可以通过干声分离、角色、声音、灵感滑块和人声音调控进行再生成、延长、混音和精细调整。付费订阅用户可解锁商业使用权、v5.5 模型访问权限，以及导出最多12个时间对齐的 WAV 干声轨道，适用于 Ableton 或 Logic。

Suno Studio 在 Premier 计划中增加了基于浏览器的生成音频工作站，支持多轨编辑、MIDI 导出、效果和自动化。公司总部位于马萨诸塞州剑桥市，在纽约、洛杉矶和旧金山设有办事处。Suno 曾被《滚石》、《公告牌》、《连线》和《综艺》报道。