InayofuataMwongozo unaofuata
Urekebishaji wa Maandishi kwa Usemi
Sauti AI
MWONGOZO WA AI wa Sauti
Hotuba ya Moshi Kamili-Duplex
Moshi ni chanzo huria, sauti ya wakati halisi AI kutoka Kyutai ambayo inazungumza na kusikiliza kwa wakati mmoja - duplex kamili - badala ya kuchukua zamu kali.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
Hiyo huondoa kulegalega kwa shida na uchukuaji wa zamu wa visaidizi vya kawaida vya sauti.
Dive ya kina
Moshi, iliyotolewa na maabara ya Kifaransa ya Kyutai mwaka wa 2024, ni kielelezo cha msingi cha hotuba kwa hotuba iliyojengwa kwa mazungumzo ya asili, ya utulivu wa chini. Tofauti na wasaidizi wa bomba ambao huunganisha hotuba-kwa-maandishi, kisha modeli ya lugha, kisha maandishi-hadi-hotuba, Moshi hushughulikia sauti moja kwa moja na kwa kuendelea. Wazo lake kuu ni uwili kamili: ni mfano wa mitiririko miwili ya sauti kwa wakati mmoja - ya mtumiaji na yake mwenyewe - ili iweze kusikiliza inapozungumza, kushughulikia kukatizwa, njia ya nyuma na 'mhm,' na kuingiliana kawaida kama wanadamu. Inafikia muda wa kusubiri karibu 160-200 milliseconds, mbali chini ya kawaida msaidizi bakia. Chini ya kofia inaunganisha modeli ya lugha ya maandishi na sauti yenye vigezo 7B (Helium) na Mimi, kodeki ya sauti ya neva ambayo inabana usemi kuwa tokeni tofauti ambazo modeli inaweza kuzalisha. Kyutai alitoa uzani na msimbo waziwazi.
Utekelezaji wa Ulimwengu Halisi
Mwenza wa sauti bila kugusa unaweza kukatiza katikati ya sentensi, ukiwa na majibu chini ya milisekunde 200.
Fungua msingi wa utafiti wa kusoma mazungumzo ya wakati halisi, yenye uwili kamili bila visanduku vyeusi vya wamiliki.
Visaidizi vya ufikivu ambavyo huzungumza kwa urahisi na watumiaji wanaohitaji kurudi na kurudi kwa haraka, asilia.
Kuiga roboti za sauti za huduma kwa mteja zinazoweza kurudi nyuma na kujibu mpigaji simu bado anazungumza.
Mustakabali wa Hotuba ya Moshi Kamili-Duplex
Uundaji wa sehemu mbili kamili unakuwa kiolezo cha AI ya sauti asilia, inayoathiri mifumo kote tasnia. Tarajia matoleo madogo zaidi ya kifaa, usaidizi wa lugha nyingi, muda wa kusubiri wa chini, na ujumuishaji katika mawakala, huduma kwa wateja na zana za ufikivu. Kwa sababu Moshi iko wazi, watafiti wanaweza kuichunguza na kuiboresha kwa uhuru. Changamoto husalia kuhusu kutegemewa kwa ukweli, usalama katika usemi unaoingiliana, na hali ya kihisia, lakini kuhama kutoka kwa mazungumzo magumu hadi mazungumzo ya maji, yanayokatizwa kuna uwezekano kuwa ya kudumu.
Kuiweka katika vitendo
Kwa nini ni muhimu
- Kufikia na kufikia. Huboresha ufikiaji kupitia manukuu, simulizi na violesura vya sauti.
- Gharama na bajeti. Timu za media zinaweza kusafirisha sauti iliyoboreshwa haraka na bajeti ndogo.
- Kasi na kiwango. Mifumo inayowakabili wateja inaweza kuchakata mwingiliano wa mazungumzo kwa kiwango kikubwa.
Jihadharini na
- Hatari za matumizi mabaya ya sauti na uigaji huongezeka wakati kibali kinakosekana.
- Usahihi unaweza kushuka katika lafudhi, lahaja au mazingira yenye kelele.
- Sauti ya syntetisk inaweza kudhaniwa kimakosa kuwa usemi halisi bila kuweka lebo wazi.
Hatua zinazofuata
- Pata idhini ya moja kwa moja ya kunasa sauti, kuunda na kutumia tena.
- Jaribu ubora kwenye spika na hali mbalimbali za usuli.
- Bainisha wakati ni lazima binadamu akague au aidhinishe matokeo.
- Weka lebo sauti ya sintetiki na uhifadhi rekodi za asili kwa uwajibikaji.
Endelea Kuchunguza
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the Moshi Full-Duplex Speech quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
Hotuba ya Moshi Full-Duplex ni nini?
Moshi ni chanzo huria, sauti ya wakati halisi AI kutoka Kyutai ambayo inazungumza na kusikiliza kwa wakati mmoja - duplex kamili - badala ya kuchukua zamu kali. Hiyo huondoa kulegalega kwa shida na uchukuaji wa zamu wa visaidizi vya kawaida vya sauti.
Je, neno 'full-duplex' linamaanisha nini katika muktadha wa Moshi?
Full-duplex inamaanisha kuwa muundo hushughulikia sauti zinazoingia na kutoka kwa wakati mmoja, ili iweze kusikiliza inapozungumza na kushughulikia kukatizwa kwa kawaida.
Ni shirika gani lililotoa Moshi?
Moshi ilitengenezwa na kufadhiliwa na Kyutai, maabara ya utafiti ya AI ya Ufaransa, mwaka 2024.
Mimi ni nini katika mfumo wa Moshi?
Mimi ni kodeki ya sauti ya neural ambayo hubana usemi unaoendelea hadi mtiririko wa chini-bit wa tokeni tofauti ambazo muundo unaweza kuzalisha.
Je, Moshi inatofautiana vipi na bomba la kitamaduni la kusaidia sauti?
Wasaidizi wa kitamaduni hufungamanisha usemi-kwa-maandishi, muundo wa lugha, na maandishi-hadi-hotuba; Moshi ni kielelezo kimoja cha usemi-kwa-hotuba kinachoshughulikia sauti mfululizo.
Moshi inalenga kuchelewa kwa mazungumzo gani?
Moshi hupata muda wa kusubiri kwa takriban ms 160-200, chini sana kuliko visaidizi vya kawaida vya sauti, kuwezesha mwingiliano wa asili na kukatizwa.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii