kyutai-labs

Moshi 是語音文字基礎模型與全雙工語音對話框架，使用 Mimi——最先進的串流神經音訊編解碼器。

一個可在 CPU（及口袋）上運行的文字轉語音系統

Kyutai 的語音轉文字與文字轉語音模型，基於延遲流模型框架

Hibiki 是一個串流語音翻譯（又稱同步口譯）模型。與離線翻譯（需等待來源語句結束才開始翻譯）不同，Hibiki 能調整其流程，累積足夠的上下文，以即時、按區塊產生正確的翻譯。

讓文字 LLM 能夠聽與說