Moshi: 对标 GPT-4o 的开源实时语音多模态模型

Moshi 是由法国的 AI 实验室 Kyutai 推出的实时语音多模态模型，支持听、说、看，最关键的是你现在就可以在浏览器中使用，如果这个链接延迟高，可以试试这个, 无需输入邮箱，点击 Join queue 即可。

简单体验了下，比较笨笨的，延迟很低，可以随时打断，如果你一直不说话还会主动找你，很接近 GPT-4o 了！非常期待后续的开源。