Moshi
term_id: moshi
Category: basic_concepts
Definition
Moshi — это продвинутая ИИ-модель, созданная Kyutai, которая интегрирует обработку речи и текста в единую рамку. В отличие от традиционных систем, преобразующих речь в текст перед обработкой, Moshi учит совместные представления аудио и текста, сохраняя просодию и интонацию.
Summary
Языковая модель речи, разработанная компанией Kyutai, которая совместно обучает текстовые и аудиопредставления для бесшовного мультимодального взаимодействия.
Key Concepts
- Мультимодальное обучение
- Совместное моделирование речи и текста
- Сохранение просодии
- Взаимодействие в реальном времени
Use Cases
- Создание естественных голосовых помощников
- Улучшение интерактивного сторителлинга с учетом эмоциональной окраски
- Повышение доступности инструментов для пользователей с нарушениями слуха