2浏览
(519)
点赞
(2)
收藏
21条评论
请
登录后发表观点
Moshi对于全双工的设计，目前是笔者看过比较不错的思想。
1）Mimi训练思想兼具音频生成与语义信息保留；
2）Helium自定义LLM模型的构建；
3）音频解码中RQ-Transformer的加速策略；
4）Inner Monologue是符合全双工设计的思想，针对场景需求的不同可以设计为交互式；
难得的好的作品！
点赞
评论