Moshi AI 对比 Voice Changer App - Celebrity Voices

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。

Celebrity Voice Changer 利用深度学习将您的语音转换为名人风格的模仿，而非通过音调变化或回声滤镜。您只需点击一个角色图标，对着麦克风说话，应用便会生成一段用该声音说出您话语的短视频。该应用支持 iPhone、iPad 和 Android，开发者称已有超过 2500 万用户加入。

大多数变声应用调整音调或添加松鼠音效。本应用通过在大型语音数据集上训练神经网络来构建声音字体，使输出声音更接近特定人物，而非通用滤镜。应用内的名人名单比网站上列出的更多，您还可以通过应用请求新增声音。

该应用适合内容创作者、派对主持人以及制作恶搞视频或恶作剧电话的用户。您可以录制音频或视频，分享到社交网络，并在唐纳德·特朗普、奥巴马或虚构角色等声音间切换。由于声音生成在服务器端运行，需连接互联网。