kyutai-labs

Moshi est un modèle de fondation parole-texte et un framework de dialogue parlé en duplex intégral. Il utilise Mimi, un codec audio neuronal en streaming de pointe.

Un TTS qui tient dans votre CPU (et dans votre poche)

Modèles de synthèse et de reconnaissance vocale de Kyutai basés sur le framework Delayed Streams Modeling.

Hibiki est un modèle de traduction vocale en continu (traduction simultanée). Contrairement à la traduction hors ligne, Hibiki adapte son flux pour accumuler suffisamment de contexte afin de produire une traduction correcte en temps réel, segment par segment.

Permettez aux LLM textuels d'écouter et de parler.