Serp AI 对比 MusicLM

Serp AI 是一个在你自己的机器上运行的语音和音频助手。它的开源 SERPy 项目监听语音指令并通过大语言模型进行回答，并使用你自己选择的合成语音。

与绑定在单一供应商技术栈上的云端助手相比，SERPy 是来自 serp-ai 组织的自托管 GitHub 项目，具备能够随着时间适应你习惯的对话记忆功能。最初的营销页面 serp.ai/tools/ai-voice-assistant 现在返回 404 错误，因此该代码仓库成为了安装和文档的实时主页。

SERPy 的目标受众是希望拥有一个可以修改的钢铁侠 Jarvis 风格桌面助手的开发者和爱好者。README 指向了一个免费下载链接和演示视频，代码仓库标签涵盖了语音激活、日程安排、电子邮件和写作助手等使用场景。

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。