8人半年肝出開源版GPT-4o，0延遲演示全網沸騰！背后技術揭秘，人人免費用

AIGC動態歡迎閱讀

原標題：8人半年肝出開源版GPT-4o，0延遲演示全網沸騰！背后技術揭秘，人人免費用
關鍵字：模型,語音,音頻,團隊,演示
文章來源：新智元
內容字數：0字

內容摘要：

新智元報道編輯：桃子喬楊
【新智元導讀】GPT-4o或許還得等到今年秋季才對外開放。不過，由法國8人團隊打造的原生多模態Moshi，已經實現了接近GPT-4o的水平，現場演示幾乎0延遲，AI大佬紛紛轉發。沒想到，「開源版」GPT-4o這么快就來了！
昨夜，來自法國AI實驗室kyutai放出首個實時原生多模態Moshi，效果演示堪比5月發布的GPT-4o。
比如下面這個demo中，Moshi作為助手幫助Alexa小哥踏上太空之旅，讓人一秒幻視流浪地球中的Moss。
值得一提的是，這是8人團隊僅用了半年的時間，從頭完成了模型的訓練。
Moshi還處在實驗原型階段，設計初衷是為了理解和表達情感，能夠支持聽、說、看，可以用70種不同情緒和風格說話，甚至隨時打斷。
它最為突出的一個能力是，能夠同時處理兩個音頻流，即「聽」和「說」是同時進行的。
這種實時互動的實現，是基于文本和音頻混合的聯合預訓練，用Helium中合成的文本數據，訓出的70億參數的模型。
Moshi可以實現最低160ms端到端延遲。
而且，最小版本的Moshi還可以在筆記本電腦，或者消費級GPU上可跑。
許多人都說這是最接近G

原文鏈接：8人半年肝出開源版GPT-4o，0延遲演示全網沸騰！背后技術揭秘，人人免費用