Moshi最新消息_Moshi多模态大模型

7月4日凌晨，法国知名开源AI研究实验室Kyutai在官网发布了，具备看、听、说多模态大模型——Moshi。

Moshi功能与OpenAI在5月14日展示的最新模型GPT-4o差不多，可以听取人的语音提问后进行实时推理回答内容。但GPT-4o的语音模式要在秋天才能全面开放使用，而Moshi已经提供使用了。

「AIGC开放社区」已经亲自测试，Moshi不锁区，填写一个邮箱地址就能直接使用，无需任何等待。值得一提的是，Moshi是支持手机移动端使用的，只不过对普通话支持较差，最好使用英语提问。

此外，Kyutai可能很快就会开源Moshi，公布代码、模型权重和论文。

免费体验地址：https://moshi.chat/?queue_id=talktomoshi

Moshi的使用流程非常简单，1)登录https://moshi.chat/?queue_id=talktomoshi

2)填写一个邮箱地址，然后点击join。如果是手机登录，系统会提示使用你的麦克风，因为这个产品对语音是一个硬性要求。如果你是PC端使用，也必须有麦克风，不然没法使用。

「AIGC开放社区」的真实使用过程

3)开始语音输入，你想提问的内容就行了。

下面这个是官方展示的案例，根据多轮语音连续对话，主要让Moshi用法语来一首关于巴黎的诗;接着用窃窃私语的方式描述一个神秘故事。

这个是模拟星际战舰指挥官与航程的故事，主要询问了一些到达目标航程，周围环境等内容。(由于听译的可能理解的不太全~~)

验了一下，主要问了Moshi几个简单问题：第一个，法国巴黎有哪些著名景点?Moshi：埃菲尔铁塔。

接着问，卢浮宫博物馆有哪些著名的展览物品?Moshi：世界名画蒙娜丽莎的微笑。

又问了，巴黎有哪些标志性建筑?Mosh：凯旋门，这是一个拥有悠久历史的建筑。

由于Moshi的论文还没有发布，「AIGC开放社区」就说一说自己的亲身使用体验吧。

1）响应速度超级快，本次测试使用的是国区线路，而Moshi的demo服务器在欧洲和美国，但当你用语音提问完问题后，几乎0延迟就能马上响应你的提问。Moshi官方给出的理论延迟是160毫秒。

2）不支持中文普通话，这一点还是能理解的，毕竟Moshi面向的国外用户群体，主流语言还是英语，同时也支持法语。

3）回答内容有限，Moshi虽然是语音输出内容，但详细程度比ChatGPT那种纯文本差好多，回答的内容只能是轮廓大概，相信以后产品会迭代更多。

4）使用方便快捷，几乎没有繁琐的注册流程，你只需要提交一个邮箱即可，马上就能帮助你非常方便。

5）Moshi听和说的能力有了，看的能力还没展示出来，这个功能估计以后也会添加吧，这样整个输出模式将更加完善。

6）这类产品对家教、教育行业是起到颠覆性作用，例如，让家教老师帮你反复讲解一道高数题，估计两遍人就比较恼了，而AI可以帮你循环讲解无数次，这对于教育帮助是巨大的。

7）期待国产类似的GPT-4o、Moshi产品出现，最好再支持一些闽南话、粤语、四川话、东北话等有特色的地方语言，就像汽车导航那样一定会非常有意思。

对于Moshi的发布，网友们还是相当兴奋的，在我们苦等GPT-4o的语音模式时，Moshi横空出现，期待他们更好的表现。

在推理延迟方面，Moshi似乎比GPT-4o更好。这一点从实际操作来看，确实是很快的。

刚试了一下Moshi的产品，其高效的推理响应以及低延迟，令人印象深刻，这就是我一直期待的产品。

继续称赞Moshi的低推理延迟。如果使用功能更高级的模型，即便推理时间长一些也没问题。确实现在，Moshi的回答内容还是太宽泛了。

已经有人急的不行，开始要源代码了，你们可是开放AI研究实验室啊~