MusicLM 对比 Murf AI

MusicLM 是谷歌研究团队开发的音频生成模型，能够根据文本描述以 24 kHz 采样率创作音乐。公开示例页面提供了多种提示的样本片段，如街机游戏原声、雷鬼与电子舞曲融合以及轻松的爵士乐，还有跨时段风格变化的长篇故事模式生成。谷歌在论文发布的同时，公开了包含 5,500 对音乐与文本的 MusicCaps 数据集。

不同于只提供单一提示框的消费级应用，MusicLM 作为研究演示发布，展示了预生成样本，而非登录使用的产品。其核心技术是文本与旋律的联合条件控制：用户可以哼唱或吹口哨一段旋律，模型会根据文本描述将其重新演绎成新的音乐风格。故事模式则通过串联多个文本提示，使音乐在不同段落中演变。

MusicLM 是谷歌后续 Lyria 音乐模型的研究基础，但本页面仅供试听已发布示例，不支持交互式创作新曲。研究人员和音乐人关注其在长篇一致性、绘画到音乐的条件控制以及旋律迁移方面的表现，这些成果已在 2023 年的论文中记录。

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。