kyutai-labs

Moshi 是语音文字基础模型与全双工语音对话框架，使用 Mimi——最先进的流式神经音频编解码器。

一个可在 CPU（及口袋）上运行的文字转语音系统

Kyutai 的语音转文字与文字转语音模型，基于延迟流模型框架

Hibiki 是一个流媒体语音翻译（又称同声传译）模型。与离线翻译（需等待来源语句结束才开始翻译）不同，Hibiki 能调整其流程，累积足够的上下文，以实时、按区块产生正确的翻译。

让文本 LLM 能够听与说