让所有文本大模型瞬间变身你的私人语音助手！ 法国AI实验室Kyutai再次推出开源语音新模型：Unmute，采用级联系统，无需微调即可为任意LLM赋予语音交互能力。 去年，Kyutai曾以一款接近GPT-4o效果的开源AI语音助手Moshi引发了业界关注。 本次发布的Unmute，其内置的STT和TTS模型均针对低延迟优化进行了设计： STT（语音转文本）采用流式处理，并集成了语义化语音活动检测，无需依赖外部模型，确保语音输入的即时性和准确性。 TTS（文本转语音） 支持音频与文本双流式处理。在LLM尚未生成完整回复时，Unmute就能开始响应，大大减少了等待时间。 实际使用起来，能感受到这些比较出色的细节： 智能判断对话停顿点：精准识别用户是结束了发言还是只是句中停顿，让对话更自然。 音色克隆：仅需10秒的语音样本，即可克隆特定音色和语调，实现高度个性化。 超低延迟响应：能够在生成完整文本响应之前就开始说话，显著提升交互流畅度。 Kyutai官方表示，未来几周内将开源包括模型、网页的全部内容，可以期待一下～ 现在想尝试的朋友，可以通过官网：