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