Moshi
🎵

Moshi

Kyutai 开源的实时全双工语音 AI 模型,可一边听一边说,实现自然流畅的端到端语音对话。

🎵 音频 🆓 免费 ★★★★★
访问官网
✓ 优点
  • 全双工架构贴近真人对话体验
  • 响应延迟极低
  • 开源可本地运行
  • 支持多轮自然语音交互
! 缺点
  • 知识与推理能力不及大型文本模型
  • 多语言支持仍在完善
  • 本地部署需要一定算力
✦ 核心功能
  • 实时全双工语音交互
  • 可打断与被打断的自然对话
  • 端到端语音理解与生成
  • 支持情感与语气表达
  • 低延迟本地部署

简介

Moshi 是法国 AI 实验室 Kyutai 推出的开源实时语音 AI 模型。与传统”先转文字再回答”的语音助手不同,Moshi 采用全双工(full-duplex)架构,可以一边听用户说话、一边组织并输出回应,甚至能够在对话中被自然打断,从而实现接近真人交谈的流畅体验。

Moshi 以低延迟和端到端语音处理为核心优势,为实时语音助手、语音 Agent 与情感化语音交互提供了开放的基座。

核心功能

全双工对话

同时进行听与说,支持自然插话与打断。

端到端语音

直接从语音理解到语音输出,减少中间环节的延迟与信息损失。

情感表达

在语音中体现语调与情绪变化,让交互更具温度。

适用场景

  • 实时语音助手与陪伴型 AI
  • 语音 Agent 的对话前端
  • 语音交互研究与人机对话实验