Voicemod 对比 MusicLM

Voicemod 在桌面和移动设备上运行实时变声器和音效板，通过虚拟麦克风路由您的麦克风，使 Discord、游戏和流媒体应用能够即时听到修改后的音频。可从 200 多种 AI 语音滤镜中选择，从音效板触发表情包声音，或在 Voicelab 中自定义语音。

大多数变声器感觉像是一次性切换的新奇滤镜。Voicemod 设计用于整个会话中保持角色，具备超低延迟、降噪功能，以及与 Elgato Stream Deck 和 Voicemod Key 等硬件的集成，支持主机聊天。社区库 tuna.voicemod.net 提供无需手动上传的热门语音。

其目标用户为游戏玩家、主播、虚拟主播以及任何希望语音聊天听起来更有意图而非默认的人。网站上列出的合作伙伴包括 Corsair、MSI、NVIDIA 和 AMD，反映了其在游戏和流媒体设置中的深度集成，而非一般生产力工具。

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。