法国 AI 实验室 Kyutai 发布实时语音开源模型，功能超过 GPT-4o

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。

该实验室成立于 2023 年 11 月，获得了包括法国亿万富翁 Xavier Niel 在内的投资者 3 亿欧元的支持，旨在促进 AI 领域的开放研究和生态系统发展。该实验室的做法对挑战了如 OpenAI 这样的主要 AI 公司，而 OpenAI 因安全问题而一直在推迟发布其视频生成模型 Sora，以及 GPT-4o 的语音引擎和语音模式功能。