Synthèse
Moshi est un modèle conversationnel vocal qui permet une interaction sans tour de parole imposé. La machine peut couper la parole à bon escient, comme dans une vraie conversation. Pour y arriver, nous avons évité de passer par une transcription textuelle intermédiaire de la parole, ce qui permet d’aller plus vite et de conserver des informations importantes comme le timbre, l’émotion ou l’accent de la voix.
Moshi est un modèle conversationnel vocal qui permet une interaction sans tour de parole imposé. La machine peut couper la parole à bon escient, comme dans une vraie conversation. Pour y arriver, nous avons évité de passer par une transcription textuelle intermédiaire de la parole, ce qui permet d’aller plus vite et de conserver des informations importantes comme le timbre, l’émotion ou l’accent de la voix.
L'essentiel
· 24 juil.
INTERVIEW : Patrick Pérez - Directeur général de Kyutai
· 24 juil.