赞
踩
法国非营利 AI 研究实验室 Kyutai 推出了 Moshi,这是一款实时原生多模态基础 AI 模型。这个开源项目具备语音功能的 AI 助手,其能力超越了 OpenAI 的 GPT-4o 和 Google Astra。
Moshi 基于 Helium 7B 模型构建,能以各种口音和 70 种情感和风格说话,并能同时处理两个音频流。Moshi 还集成了文本和音频训练,能在 200 毫秒内实现实时互动,优化了多种后端,可以在笔记本电脑上运行而无需云端交互。Kyutai 将 Moshi 开源,并计划加入 AI 音频识别和水印功能。Moshi 的语音模式令人印象深刻,Kyutai 计划发布完整模型,目标是促进 AI 开放研究和生态系统发展,还可能会推动其他语音助手的开发。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。