kyutai-labs

Moshi는 음성-텍스트 기반 모델이자 전이중 음성 대화 프레임워크입니다. 최첨단 스트리밍 신경망 오디오 코덱인 Mimi를 사용합니다.

CPU(와 주머니)에 쏙 들어가는 TTS

Delayed Streams Modeling 프레임워크 기반의 Kyutai 음성 인식(STT) 및 음성 합성(TTS) 모델

Hibiki는 스트리밍 음성 번역(동시 통역이라고도 함)을 위한 모델입니다. 소스 발화가 끝날 때까지 기다렸다가 번역을 시작하는 오프라인 번역과 달리, Hibiki는 실시간으로 정확한 번역을 생성하는 데 필요한 만큼의 문맥을 수집하도록 흐름을 조절합니다.

텍스트 LLM이 듣고 말할 수 있도록 만듭니다.