SpeechGPT 对比 MusicLM

SpeechGPT 让您使用自己的 OpenAI API 密钥在浏览器中进行语音对话。您可以输入或录制消息，通过聊天界面发送，并听取语音回复，无需安装桌面软件。

与将模型费用捆绑在订阅中的托管 TTS 服务不同，SpeechGPT 在浏览器中运行，仅通过您连接的 OpenAI、Azure Speech Services 或 Amazon Polly 账户计费。这使其成为已有 API 访问权限且需要简单语音聊天前端的开发者和语言学习者的轻量级选择。

该界面支持英语、西班牙语和中文的用户界面标签，包含用于语音输入的录音按钮，并在浏览器中本地存储会话数据。适合测试语音聊天流程的开发者、练习口语提示的语言学习者，以及任何希望在移动或桌面设备上使用简洁 ChatGPT 语音客户端的人。

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。