Moshi
term_id: moshi
Category: basic_concepts
Definition
Moshi je pokročilý model AI vytvořený společností Kyutai, který integruje zpracování řeči a textu do jednotného rámce. Na rozdíl od tradičních systémů, které převádějí řeč na text před dalším zpracováním, Moshi učí společné reprezentace obou modalit přímo.
Summary
Model řeči a jazyka vyvinutý společností Kyutai, který společně učí reprezentace textu a zvuku pro bezproblémovou multimodální interakci.
Key Concepts
- Multimodální učení
- Společné modelování řeči a textu
- Udržení prosodie
- Interakce v reálném čase
Use Cases
- Vývoj přirozených hlasových asistentů
- Zlepšování interaktivního vyprávění příběhů pomocí emocionálního tónu
- Zlepšování přístupnosti nástrojů pro uživatele se sluchovým postižením