멀티모달Alexandre Défossez 외 (Kyutai)
Moshi 발표
Moshi 발표 — VAD·ASR·TTS 파이프라인을 없앤 전이중 음성-음성 모델. 이론 지연 160ms, 실측 200ms. 오디오 토큰 전에 시간정렬 텍스트 토큰을 생성하는 Inner Monologue
왜 중요한가
파이프라인형 음성 대화를 단일 모델로 대체한 계보
출처 — 1차 출처를 우선 확인하고, 2차 보도는 「보도」로 따로 표시해요
논문arxiv.orghttps://arxiv.org/abs/2410.000372026년 35주차에 더한 기록이에요 · 그 주 보기