transcribethis.io 对比 MusicLM

transcribethis.io 将上传的音频、视频链接、YouTube URL 或实时录音转换为带有说话人标签、时间戳和导出文件的文本。在免费套餐中，无需创建账户即可上传最大 50 MB 的 MP3、WAV、M4A、MP4 或 MOV 文件并获取转录预览。

桌面转录套件通常每个席位收费数百美元，并且将说话人区分功能隐藏在企业销售电话之后。transcribethis.io 保持无卡免费预览，在网站上公布标准和高级月费价格，并在付费套餐中捆绑 AI 摘要、Zoom、Meet 和 Teams 的会议捕捉，以及导出为 DOCX、PDF、SRT 和 VTT 格式。

播客主持人、销售团队、讲师和研究人员在需要快速处理长录音时使用 transcribethis.io。免费用户每天可转录三个文件，且仅转录前五分钟；标准套餐每月 19.99 美元，将限制提升至 20 个文件、最长五小时和 2 GB 上传容量。

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。