Ir para o conteúdo

Radar ·

Moshi: modelo aberto de fala para fala

Publicado em 18 de setembro de 2024, Moshi é apresentado como um modelo de fala para fala com 7,6 bilhões de parâmetros e acompanhado pelo codec de áudio em streaming Mimi.

A publicação descreve Moshi como um modelo de fala para fala com 7,6 bilhões de parâmetros, acompanhado pelo Mimi, um codec de áudio em streaming. O lançamento inclui checkpoints e código de inferência para Candle, PyTorch e MLX.

Engenheiros podem avaliar o modelo e executar inferência usando diferentes frameworks e hardwares. Consulte a publicação original para detalhes e verifique os checkpoints, o código e os requisitos antes de testar; o resumo disponível não informa resultados comparativos nem desempenho específico.

Fonte original: Moshi: um modelo open source de speech-to-speech

Curadoria · AgentLog

Receba o essencial

Privacidade, engenharia de IA e segurança no seu e-mail.

No máximo um resumo por dia, quando houver novidades. Cancele quando quiser. Usamos o e-mail verificado da sua conta.

Privacidade

Procurando outra coisa?AjudaContato