就在剛剛，法國創業團隊搶先OpenAI發布端到端實時音頻模型——Moshi。

官方直接秀了段現場演示：

好家伙，感覺語速比真人還快！甚至還學會了搶答：

很多時候我甚至還沒問完它就回答了我的問題！

圖片

Moshi主打發布即公開（免費），PyTorch之父也來祝賀，并透露團隊成員來自他在FAIR的前同事。

圖片

是的，Moshi也將走開源路線，網友們齊聚一堂吶喊：

圖片

終于有了能直接上手的東西，網友們自然也是火速開啟試玩。

這不，有網友就發現打工人Moshi竟主動抱怨：

工作太忙了，我累了

圖片

看來天下的打工人都一樣。[doge]

所以，喊累的Moshi究竟都會干啥？干的咋樣？

Moshi技能拉滿

首先，Moshi能夠帶著70種情緒和風格講話。

比如，用濃重的法國口音朗誦詩歌、假扮船長冒險，或者涼颼颼地講鬼故事……

而且谷歌DeepMind研究員、ViT作者Lucas Beyer還觀察到：

Moshi基本沒有延遲，甚至還打斷了演講者幾次

圖片

不過Beyer也指出，在蘋果電腦（MacBook）上的模型偶爾會錯誤地拒絕一些實時請求。

也許Kyutai對安全調整有點太急切了。
然而，這也證實了演示確實是實時的，甚至可能是自由發揮的。

圖片

另外，Moshi作為一款完全端到端的音頻模型，能在普通筆記本上使用。

Hugging Face聯合創始人Thomas Wolf點出了其中關鍵：

模型訓練流程和架構設計簡單且極具可擴展性，像Kyutai這樣只有8人以上的小團隊也能在4個月內建成。合成數據在這里起到了巨大的推動作用。

專注于本地設備，Moshi將無處不在。前沿模型構建者沒有動機讓你在本地運行較小的模型（按令牌計價……），但像Kyutai這樣的非營利組織有著非常不同的動機。

在保持Llama 8B或以上答案質量的同時，將延遲降至300毫秒以下，是提升交互性的關鍵因素，這是顛覆性的。

圖片

Kyutai的CEO Patrick Pérez也提到：

Moshi可以“邊說話邊思考”。
我們相信Moshi具有巨大潛力，可以改變我們與機器交流的方式。

不過也有網友試過后“質疑”發布會是否造假：

圖片

在他的演示中，Moshi已處于“精神崩潰”邊緣，一直在向小哥抱怨壓力大，導致小哥完全插不進話。

，時長02:31

這一抱怨也引來馬斯克的圍觀：

圖片

在小哥的評論區，網友竟紛紛對Moshi表示同情。

圖片

好的，只有小哥受傷的世界達成了。

誰發布了Moshi？

Moshi背后的團隊是Kyutai，一家位于巴黎的人工智能研究實驗室（非營利）。

Kyutai成立于2023年11月，致力于研究通用AI，投資主要來自歐洲實業資本。

公開資料顯示，Kyutai由Xavier Niel（法國億萬富翁、法國電信集團Iliad首席執行官）、Rodolphe Saadé （法國物流巨頭達飛集團CEO）和Eric Schmidt （前谷歌CEO）各出資1億歐元共同創立。

圖片

關于Moshi，官方介紹它由該實驗室的8人研究團隊耗時6個月從零開發。

圖片

在Kyutai官網，其團隊顯示有6位成員。

圖片

首席執行官Patrick Pérez，曾在微軟擔任研究員，谷歌學術主頁顯示其文章被引用4w+，研究領域包括計算機視覺、圖像處理、機器學習和人工智能。

圖片

Edouard Grave，職位名稱為Chief Scaling Officer（CSO），可能是一個專為大模型時代設置的職位了。谷歌學術顯示，他的主要研究領域包括機器學習、自然語言處理和人工智能。

圖片

首席科學家Hervé Jégou，加入Kyutai前先后在Facebook AI（8年3個月）和Meta（4年）擔任研究科學家，其研究領域涉及機器學習、人工智能、計算機視覺等。

圖片

首席技術官Laurent Mazaré，GitHub收獲了1.9K關注者，曾在DeepMind工作過1年，研究領域涉及深度學習、金融數學、理論計算機科學、密碼學和安全等。

圖片

Neil Zeghidour，職位名稱為Chief Modelling Officer（CMO），這也不是一個常見的企業高層管理職位。加入Kyutai前，他先后在Facebook（3年5個月，語音識別方向）和谷歌（4年9個月，一開始是Google Brain團隊的研究科學家）工作，研究領域包括機器學習、語音識別和音頻理解等。

圖片

Alexandre Défossez，職位名稱為Founding Scientist，加入Kyutai前是巴黎FAIR的一名研究科學家。研究重點是多模態LLMs，領導了音樂生成研究，并共同領導了AudioCraft框架（涉及Meta開源的一系列音頻模型和訓練方法）開發。他還與Jean Rémi King博士合作，研究非侵入性腦成像的腦活動解碼。

圖片

One More Thing

當Moshi已經飛入百姓家時，鴿王OpenAI再次推遲上線ChatGPT語音助手。

OpenAI表示，需要確保它能安全有效地處理來自數百萬用戶的請求，還需要一個月才能達到公司的發布標準。

圖片

嗯，估計要到7月底了！對此網友打趣道：

Kyutai推出Moshi基本上等于，把OpenAI還沒公開發布的客戶產品開源了，向Kyutai致敬。

圖片

愣著干啥？

試玩地址：https://moshi.chat/?queue_id=talktomoshi參考鏈接：
[1]https://x.com/soumithchintala/status/1808593284010213422[2]https://x.com/Thom_Wolf/status/1808532365720834085[3]https://x.com/benhylak/status/1808611023123067357[4]https://x.com/giffmana/status/1808482848808010149