# Moshi – 法国AI实验室Kyutai开发的实时音频多模态模型

- Link: https://paooo.com/aigc-news/27775/
- Published: 2026-07-09T11:01:44+08:00
- Author: 站外新闻

## Moshi是什么

Moshi是由法国的的人工智能研究实验室Kyutai推出的一款端到端实时音频多模态AI模型，拥有
听、说、看的能力，并能模拟70种不同的情绪和风格进行交流。作为平替[GPT-4o](https://ai-bot.cn/openai-gpt-4o/)
的开源模型，Moshi在普通笔记本上即可运行，具有低延迟特性，支持本地设备使用，保护用户
隐私。Moshi的开发和训练流程简单高效，由8人团队在6个月内完成，将很快开源模型的代码、
权重和技术论文，免费供全球用户使用和进一步研究开发。

阅读目录

 * [Moshi是什么](https://paooo.com/aigc-news/27775/#moshi%e6%98%af%e4%bb%80%e4%b9%88)
 * [Moshi的功能特色](https://paooo.com/aigc-news/27775/#moshi%e7%9a%84%e5%8a%9f%e8%83%bd%e7%89%b9%e8%89%b2)
 * [如何使用Moshi](https://paooo.com/aigc-news/27775/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8moshi)
 * [Moshi的应用场景](https://paooo.com/aigc-news/27775/#moshi%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Kyutai Moshi](https://paooo.com/wp-content/uploads/2026/07/kyutai-moshi.avif)

## Moshi的功能特色

 * **多模态交互**：Moshi作为一个多模态AI模型，不仅能够处理和生成文本信息，还能够
   理解和生成语音，使得Moshi可以与用户进行更加自然和直观的交流，就像与真人对话一样。
 * **情绪和风格表达**：Moshi可以模拟70种不同的情绪和风格进行对话，让AI对话更加生动
   和真实。无论是表达喜悦、悲伤还是严肃，Moshi都能够通过语音的变化来传达相应的情感，
   增强交流的体验。
 * **实时响应低延迟**：Moshi的响应具备低延迟特性，能够快速地处理用户的输入，并几乎
   0延迟地给出回应。对于需要即时反馈的应用场景非常有帮助，比如客户服务或实时翻译。
 * **语音理解与生成**：Moshi能够同时处理听和说的任务，可以在听用户说话的同时生成
   回答，提高了交互的效率和流畅性，提供了一个自然无缝的对话体验。
 * **文本和音频混合预训练**：Moshi通过结合文本和音频数据进行预训练，使得模型在理解
   和生成语言时能够更好地捕捉到语义和语境信息，提高了模型的准确性和可靠性。
 * **本地设备运行**：作为一款完全端到端的音频模型，Moshi可以在用户的本地设备上运行，
   普通笔记本电脑或消费级GPU即可满足运行要求。

![Moshi.chat](https://paooo.com/wp-content/uploads/2026/07/moshi-chat-demo-1.avif)

## 如何使用Moshi

 1. **访问Moshi平台**：访问Moshi的官方网站[https://moshi.chat/?queue_id=talktomoshi](https://moshi.chat/?queue_id=talktomoshi)。
 2. **提供邮箱**：进入网站后只需要提供一个邮箱地址，点击Join queue即可免费开始使用。
 3. **检查设备兼容性**：确保你的设备（无论是手机还是电脑）配备有麦克风和扬声器，因为
    Moshi的交互主要依赖语音输入和输出。
 4. **开始语音交互**：提供邮箱后即可开始与Moshi进行语音交互，系统会提示你使用麦克风
    进行语音输入。
 5. **提问或发出指令**：对着麦克风提出问题或发出指令，Moshi将通过语音识别技术理解您
    的问题或指令。
 6. **听取回答**：Moshi会根据你的提问生成回答，并通过语音合成技术将文本转换为语音，
    然后通过设备的扬声器播放出来。

目前，Moshi主要支持英语和法语，暂不支持中文普通话。此外，Kyutai团队表示后续很快将
开源Moshi，公布代码、模型权重和论文。

## Moshi的应用场景

 * **虚拟助手**：Moshi可以作为个人或企业的虚拟助手，提供语音交互服务，帮助用户完成
   日常任务，如设置提醒、搜索信息等。
 * **客户服务**：在客户服务领域，Moshi可以作为智能客服，通过语音与客户进行交流，
   解答咨询，提供即时帮助。
 * **语言学习**：Moshi能够模拟不同口音和情绪，有助于语言学习者练习听力和口语，提高
   语言能力。
 * **内容创作**：Moshi可以生成不同风格和情绪的语音，为视频、播客或动画制作提供配音
   服务。
 * **辅助残障人士**：对于视力或听力有障碍的人士，Moshi可以提供语音到文本或文本到
   语音的服务，帮助他们更好地获取信息。
 * **研究和开发**：研究人员可以使用Moshi进行语音识别、自然语言处理和机器学习等领域
   的研究。
 * **娱乐和游戏**：在游戏和娱乐应用中，Moshi可以作为角色与用户进行互动，提供更加
   丰富的用户体验。

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[⚡ AIGC 早报生成器](https://paooo.com/mtool/)