Audio AI Itọsọna
Moshi Full-Duplex Ọrọ
Moshi jẹ orisun-ìmọ, ohun akoko gidi AI lati Kyutai ti o sọrọ ati tẹtisi ni akoko kanna - kikun-duplex - dipo gbigbe awọn iyipada to muna.
Gbọ si itọsọna yiiAI-ṣe afihan · ~2 min
Lori iwe yi2 min ka
Akopọ
That removes the awkward lag and rigid turn-taking of traditional voice assistants.
Jin Dive
Moshi, ti a tu silẹ nipasẹ lab Faranse Kyutai ni ọdun 2024, jẹ awoṣe ipilẹ-ọrọ-si-ọrọ ti a ṣe fun adayeba, ibaraẹnisọrọ lairi kekere. Ko dabi awọn oluranlọwọ opo gigun ti epo ti o de ọrọ-si-ọrọ, lẹhinna awoṣe ede kan, lẹhinna ọrọ-si-ọrọ, Moshi ṣe amojuto ohun ohun taara ati nigbagbogbo. Ero bọtini rẹ jẹ ile oloke meji ni kikun: o ṣe awoṣe awọn ṣiṣan ohun afetigbọ meji nigbakanna - ti olumulo ati tirẹ - nitorinaa o le tẹtisi lakoko sisọ, mu awọn idilọwọ, ikanni ẹhin pẹlu 'mhm,' ati ni lqkan nipa ti ara bi eniyan ṣe. O de lairi ni ayika 160-200 milliseconds, jina ni isalẹ aisun arannilọwọ aṣoju. Labẹ hood o ṣe akopọ 7B-paramita ọrọ-ati awoṣe ede ohun (Helium) pẹlu Mimi, kodẹki ohun nkankikan ti o fi ọrọ si awọn ami ami iyasọtọ ti awoṣe le ṣe ipilẹṣẹ. Kyutai ṣe idasilẹ awọn iwuwo ati koodu ni gbangba.
Real-World imuse
Alabaṣepọ ohun ti ko ni ọwọ o le da gbigbi gbolohun ọrọ aarin duro, pẹlu awọn idahun labẹ 200 milliseconds.
Ṣii ipilẹ iwadi fun kikọ akoko gidi, ọrọ sisọ ni kikun-duplex laisi awọn apoti dudu ti ohun-ini.
Awọn oluranlọwọ iraye si ti o sọrọ ni omi pẹlu awọn olumulo ti o nilo iyara, ẹhin-ati-jade adayeba.
Aṣafọwọṣe awọn botilẹti ohun alabara-iṣẹ idalọwọduro ti o ṣe afẹyinti ikanni ati fesi lakoko ti olupe naa n sọrọ.
Ojo iwaju ti Moshi Full-Duplex Ọrọ
Awoṣe kikun-duplex n di awoṣe fun ohun adayeba AI, ti o ni ipa awọn ọna ṣiṣe kọja ile-iṣẹ naa. Reti kere, awọn ẹya lori ẹrọ, atilẹyin multilingual, airi kekere, ati isọpọ sinu awọn aṣoju, iṣẹ alabara, ati awọn irinṣẹ iraye si. Nitoripe Moshi wa ni sisi, awọn oniwadi le ṣe iwadii ati ilọsiwaju larọwọto. Awọn italaya wa ni ayika igbẹkẹle otitọ, ailewu ni ọrọ agbekọja, ati nuance ẹdun, ṣugbọn iyipada lati yiyi-lile si omi, ibaraẹnisọrọ idilọwọ le yẹ.
Fifi o sinu iwa
Kini idi ti o ṣe pataki
- Wiwọle ati arọwọto. O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
- Iye owo ati isuna. Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
- Iyara ati iwọn. Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ṣọra fun
- ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
- Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
- Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Next awọn igbesẹ
- Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
- Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
- Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
- Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
Ìwé ìròyìn ọfẹ
Gba ìkànìyàn AI ojoojúmọ́
Ìtàn AI mẹta tó jẹ́rìí ní gbogbo owurọ́ ọjọ́ iṣẹ́, kọ́wé ní Gẹ̀ẹ́sì tó rọrùn. Ọfẹ́ fún gbogbo àkókò, kò sí ìpolówó.
Ìmeèlì kan ní gbogbo ọjọ́ iṣẹ́. Yọkúrò ní ìkànìyàn ní ìkànìyàn kan. A kò ta tàbí pín àdírẹ́sì rẹ.
Ṣe idanwo fun ara rẹ
Take the Moshi Full-Duplex Speech quiz
Ìdáhùn lẹ́sẹ̀kẹsẹ̀ lórí gbogbo ìdáhùn, àti iwe-ẹ̀rí tó lè pin pẹ̀lú ID tó lè jẹ́rìí lẹ́yìn tí o bá kọ́ ẹ̀kọ́.
Ṣe àtìlẹ́yìn ẹ̀kọ́ AI ọfẹ́. AI Understanding jẹ́ àjọ àìní èrè 501(c)(3) — kò sí ìpolówó, kò sí àkúnya owó, ní gbogbo àkókò. Ṣe ẹbun kan
Awọn ibeere ti a beere nigbagbogbo
What is Moshi Full-Duplex Speech?
Moshi jẹ orisun-ìmọ, ohun akoko gidi AI lati Kyutai ti o sọrọ ati tẹtisi ni akoko kanna - kikun-duplex - dipo gbigbe awọn iyipada to muna. Iyẹn yọkuro aisun airọrun ati gbigbe titan ti awọn oluranlọwọ ohun ibile.
Kini 'duplex kikun' tumọ si ni ọrọ ti Moshi?
Ni kikun-ile oloke meji tumo si awọn awoṣe kapa ti nwọle ati awọn iwe ohun ti njade nigbakanna, ki o le tẹtisi nigba ti soro ki o si mu awọn idalọwọduro nipa ti ara.
Ẹgbẹ wo ni o tu Moshi silẹ?
Moshi jẹ idagbasoke ati ṣiṣi-orisun nipasẹ Kyutai, laabu iwadii AI Faranse kan, ni ọdun 2024.
Kini Mimi ninu eto Moshi?
Mimi jẹ koodu ohun afetigbọ nkankikan ti o rọ ọrọ lilọsiwaju sinu ṣiṣan kekere-bitrate ti awọn ami iyasọtọ ti awoṣe le ṣe ipilẹṣẹ.
Bawo ni Moshi ṣe yatọ si opo gigun ti oluranlọwọ ohun ibile?
Awọn oluranlọwọ ibilẹ sọ ọrọ-si-ọrọ, awoṣe ede, ati ọrọ-si-ọrọ; Moshi jẹ awoṣe ọrọ-si-ọrọ kan ti nmu ohun afetigbọ nigbagbogbo.
Ni aijọju kini airi ibaraẹnisọrọ wo ni Moshi fojusi?
Moshi ṣaṣeyọri lairi ni ayika 160-200 ms, ti o kere pupọ ju awọn oluranlọwọ ohun aṣoju lọ, ti n muu ṣiṣẹ ni lqkan adayeba ati idalọwọduro.
Tesiwaju kikọ
Jẹmọ awọn itọsọna
Awọn itọsọna diẹ sii ti a yan fun koko yii