Kyutai Labs چت ربات هوش مصنوعی Moshi را با ویژگی‌های صوتی بی‌درنگ به عنوان رقیب GPT-4o راه‌اندازی کرد.

آزمایشگاه Kyutai روز چهارشنبه Moshi AI را راه اندازی کرد، یک ربات چت هوش مصنوعی که به صورت شفاهی در زمان واقعی پاسخ می دهد. شرکت فرانسوی هوش مصنوعی اعلام کرد که کل مدل زبان صوتی Moshi در داخل توسعه داده شده است. همچنین می تواند صدا را برای بیان احساسات تغییر دهد و با سبک های مختلف گفتاری پاسخ دهد. عموم می توانند به صورت رایگان به مدل هوش مصنوعی دسترسی داشته باشند. در حال حاضر، مدل هوش مصنوعی مکالمات را به پنج دقیقه محدود می کند. جالب اینجاست که OpenAI نیز با انتشار GPT-4o ویژگی های گفتاری مشابهی را اعلام کرد، اما هنوز منتشر نشده است.

ویژگی های موشی هوش مصنوعی

این شرکت می گوید که مدل هوش مصنوعی در شش ماه با یک تیم هشت نفره توسعه یافته است. آزمایشگاه Kyotai هنگام رونمایی از نمونه اولیه هوش مصنوعی در یک رویداد در پاریس گفت که موشی یک دستیار هوش مصنوعی نیست، بلکه یک نمونه اولیه است که می تواند برای توسعه ابزارهایی برای موارد مختلف استفاده شود. من همچنین ربات چت را در اینجا در دسترس عموم قرار دادم. کاربران می توانند ایمیل خود را وارد کرده و به لیست انتظار بپیوندند، اما اعضای تیم Gadgets 360 توانستند بدون هیچ زمان انتظاری به پلتفرم دسترسی فوری داشته باشند.

رابط کاربری این پلتفرم بسیار ساده است. یک طراحی هوش مصنوعی ساده وجود دارد که در آن کاربران می توانند بررسی کنند که صدای آنها هنگام صحبت کردن چقدر بلند است. یک کادر متنی وجود دارد که در آن فقط پاسخ های هوش مصنوعی ظاهر می شود. جعبه دیگری در نزدیکی بالا جزئیات فنی مانند مدت زمان صدا، تأخیر و صدای از دست رفته را نشان می دهد.

در بالا، دکمه قطع اتصال وجود دارد. در حال حاضر، حداکثر مدت تماس می تواند تا پنج دقیقه باشد. صفحه توضیحات نشان می دهد که موشی می تواند همزمان فکر کند، صحبت کند و گوش دهد تا جریان مکالمه را به حداکثر برساند.

گجت 360 دریافت که زمان پاسخ بسیار کم است و هوش مصنوعی اغلب فورا پاسخ می دهد. با این حال، مواردی وجود دارد که تاخیر در زمان پاسخگویی می تواند از 10-15 ثانیه بیشتر شود. اما این ممکن است به دلیل بار زیاد روی سرور باشد. با این حال، گاهی اوقات حتی پس از پر شدن سه چهارم سطح سنج صدا، به هیچ وجه پیام های شفاهی ثبت نمی شد.

رابط هوش مصنوعی موشی
اعتبار تصویر: آزمایشگاه کیوتای

گجت 360 همچنین دریافت که مدل هوش مصنوعی می تواند با صدایی احساسی پاسخ دهد، می تواند به سبک های مختلف صحبت کند و از مدولاسیون های صوتی مختلف استفاده کند. مدل هوش مصنوعی همچنین به اینترنت متصل است و می تواند به سوالاتی که نیاز به جستجو در وب دارند پاسخ دهد. شایان ذکر است که چت بات اجازه ارسال پیامک را نمی دهد و صدا تنها راه تعامل با آن است.

آزمایشگاه Kyutai گفت که مدل هوش مصنوعی منبع باز خواهد بود. با این حال، شرکت هوش مصنوعی هنوز وزن و کدهای مدل را در یک پورتال میزبانی نکرده است. پس از در دسترس قرار گرفتن، کاربران می توانند آن را به صورت محلی دانلود و نصب کنند و می توان آن را در یک دستگاه آفلاین بازی کرد.