對標(biāo)GPT-4o！不鎖區(qū)、支持手機、免費使用，Moshi來啦！

激石Pepperstone(http://whhoupuyun.com/)報道：

7月4日凌晨，法國知名開源AI研究實驗室Kyutai在官網(wǎng)發(fā)布了，具備看、聽、說多模態(tài)大模型——Moshi。

Moshi功能與OpenAI在5月14日展示的最新模型GPT-4o差不多，可以聽取人的語音提問后進行實時推理回答內(nèi)容。但GPT-4o的語音模式要在秋天才能全面開放使用，而Moshi已經(jīng)提供使用了。

「AIGC開放社區(qū)」已經(jīng)親自測試，Moshi不鎖區(qū)，填寫一個郵箱地址就能直接使用，無需任何等待。值得一提的是，Moshi是支持手機移動端使用的，只不過對普通話支持較差，最好使用英語提問。

此外，Kyutai可能很快就會開源Moshi，公布代碼、模型權(quán)重和論文。

Moshi的使用流程非常簡單，1）登錄

2）填寫一個郵箱地址，然后點擊join。如果是手機登錄，系統(tǒng)會提示使用你的麥克風(fēng)，因為這個產(chǎn)品對語音是一個硬性要求。如果你是PC端使用，也必須有麥克風(fēng)，不然沒法使用。

「AIGC開放社區(qū)」的真實使用過程

3）開始語音輸入，你想提問的內(nèi)容就行了。

下面這個是官方展示的案例，根據(jù)多輪語音連續(xù)對話，主要讓Moshi用法語來一首關(guān)于巴黎的詩；接著用竊竊私語的方式描述一個神秘故事。

Moshi完成的很出色，其擬人化語氣是一大特點機器味很少，這一點和GPT-4o有點像。

這個是模擬星際戰(zhàn)艦指揮官與航程的故事，主要詢問了一些到達目標(biāo)航程，周圍環(huán)境等內(nèi)容。（由于聽譯的可能理解的不太全~~）

「AIGC開放社區(qū)」也體驗了一下，主要問了Moshi幾個簡單問題：第一個，法國巴黎有哪些著名景點？Moshi：埃菲爾鐵塔。

接著問，盧浮宮博物館有哪些著名的展覽物品？Moshi：世界名畫蒙娜麗莎的微笑。

又問了，巴黎有哪些標(biāo)志性建筑？Mosh：凱旋門，這是一個擁有悠久歷史的建筑。

由于Moshi的論文還沒有發(fā)布，「AIGC開放社區(qū)」就說一說自己的親身使用體驗吧。

1）響應(yīng)速度超級快，本次測試使用的是國區(qū)線路，而Moshi的demo服務(wù)器在歐洲和美國，但當(dāng)你用語音提問完問題后，幾乎0延遲就能馬上響應(yīng)你的提問。Moshi官方給出的理論延遲是160毫秒。

2）不支持中文普通話，這一點還是能理解的，畢竟Moshi面向的國外用戶群體，主流語言還是英語，同時也支持法語。

3）回答內(nèi)容有限，Moshi雖然是語音輸出內(nèi)容，但詳細程度比ChatGPT那種純文本差好多，回答的內(nèi)容只能是輪廓大概，相信以后產(chǎn)品會迭代更多。

4）使用方便快捷，幾乎沒有繁瑣的注冊流程，你只需要提交一個郵箱即可，馬上就能幫助你非常方便。

5）Moshi聽和說的能力有了，看的能力還沒展示出來，這個功能估計以后也會添加吧，這樣整個輸出模式將更加完善。

6）這類產(chǎn)品對家教、教育行業(yè)是起到顛覆性作用，例如，讓家教老師幫你反復(fù)講解一道高數(shù)題，估計兩遍人就比較惱了，而AI可以幫你循環(huán)講解無數(shù)次，這對于教育幫助是巨大的。

7）期待國產(chǎn)類似的GPT-4o、Moshi產(chǎn)品出現(xiàn)，最好再支持一些閩南話、粵語、四川話、東北話等有特色的地方語言，就像汽車導(dǎo)航那樣一定會非常有意思。

對于Moshi的發(fā)布，網(wǎng)友們還是相當(dāng)興奮的，在我們苦等GPT-4o的語音模式時，Moshi橫空出現(xiàn)，期待他們更好的表現(xiàn)。

在推理延遲方面，Moshi似乎比GPT-4o更好。這一點從實際操作來看，確實是很快的。

剛試了一下Moshi的產(chǎn)品，其高效的推理響應(yīng)以及低延遲，令人印象深刻，這就是我一直期待的產(chǎn)品。

繼續(xù)稱贊Moshi的低推理延遲。如果使用功能更高級的模型，即便推理時間長一些也沒問題。確實現(xiàn)在，Moshi的回答內(nèi)容還是太寬泛了。

已經(jīng)有人急的不行，開始要源代碼了，你們可是開放AI研究實驗室啊~?????????