Moshi是由法国AI研究机构Kyutai开发的实时语音对话大语言模型，被广泛认为是”语音版GPT-4o”。与传统的语音助手不同，Moshi具备真正的实时语音对话能力——它能同时理解和生成语音，支持打断、语气感知、情感表达等自然对话特征。Moshi的延迟极低（约200ms），对话体验接近真人交流。Kyutai将Moshi完全开源，包括模型权重和训练代码，这对于语音AI领域来说是一个里程碑式的事件。