TranscriptMate 对比 MusicLM

TranscriptMate 将音频和视频录音转换成可搜索的文本，适用于播客作者、新闻记者、研究人员及每天处理口语内容的团队。上传文件或粘贴 YouTube 链接，服务即可返回带有时间戳和可选说话人标签的转录稿。每个文件前15分钟免费，无需注册账户。

工作区将同步文本编辑器与音频播放器配对，方便你点击任何单词，立即跳转到录音中的相应时刻。说话人区域划分（diarization）标注了是谁说了什么，重命名说话人会更新整个转录稿中的标签。焦点小组讨论和多参与者访谈也采用相同方式处理。

TranscriptMate 还能通过内置模板生成即刻发布的内容，包括博客文章、新闻简报、播客说明、视频章节、摘要和社交短片。支持的导出格式包括 DOCX、PDF、TXT、SRT 和 VTT。

该服务支持30多种语言，在符合GDPR规定的欧盟基础设施上运行，专为处理大量采访、新闻发布会、讲座和客户录音的专业人士设计。”}# 3}]/}

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。