MOSS-Live 운영 중

MOSS-Live는 모쓰 인텔리전스가 출시한 전이중 실시간 상호작용 시스템입니다. MOSS-Live는 AI가 실제 사람처럼 들으면서 말할 수 있도록 하며, 의미 수준에서 언제 응답하고 기다리거나 끼어들기를 받아들일지 판단합니다. 맞장구 소리와 주변 소리에 오작동하지 않으며, 영상 통화, 화면 공유 및 주변 소리 이해를 지원합니다. 프런트엔드와 백엔드가 협업하는 아키텍처를 적용해 대화를 중단하지 않고도 자료 검색, 계획 수립 등의 복잡한 작업을 비동기적으로 완료하며, 작업이 끝나면 결과를 능동적으로 알려줍니다. MOSS-Live는 GPT Realtime 등 경쟁 제품보다 여러 벤치마크 지표에서 앞서며, API를 한시적으로 무료 제공하고 있습니다.

전이중 대화: 들으면서 말하고, 응답하거나 기다리거나 끼어들기를 받아들이거나 침묵할 시점을 의미 수준에서 판단합니다.
의미 기반 끼어들기 처리: 맞장구와 적극적인 끼어들기를 구분하여 “음”과 같은 짧은 응답에 중단되지 않으며, 명확한 끼어들기에는 즉시 반응합니다.
의미 기반 발화 종료 판단: 의미 이해를 바탕으로 사용자가 말을 끝냈는지 판단하고, 문장 중간의 멈춤이나 생각하는 시간을 감지하면 먼저 기다려 말을 가로채지 않습니다.
무관한 소리 거부: 어떤 말이 자신에게 하는 말인지 구분하여 주변 사람의 대화, 혼잣말, 기기 재생음에 오작동하지 않습니다.
자연스러운 맞장구: 대화 내용과 흐름에 따라 적절한 시점에 짧은 응답을 능동적으로 제공합니다.
중단 지점 이어 말하기 및 기억: 여러 번 끼어들거나 화제를 전환한 후에도 중단된 위치와 맥락을 기억하여 자연스럽게 이어갑니다.
능동적 상호작용: 사용자가 미리 설정한 조건에 따라 대화를 지속적으로 주시하고, 조건이 충족되면 능동적으로 개입합니다.
대화하면서 작업 수행: 도구를 호출해 검색, 계획 수립 등의 작업을 비동기적으로 실행하고, 대화를 중단하지 않으며 작업이 끝나면 결과를 능동적으로 알려줍니다.
들으면서 번역: 스트리밍 동시통역으로 실제 동시통역에 가까운 낮은 지연 시간으로 번역문을 지속적으로 출력합니다.
멀티모달 인식: 영상 통화와 화면 공유를 지원하며, 주변 소리와 화자의 음색을 이해하고 시각, 음성 및 주변 정보를 결합해 상호작용합니다.

프런트엔드·백엔드 협업 아키텍처: MOSS-Live는 실시간 상호작용과 복잡한 작업을 분리하고 서로 다른 모델이 역할을 나눕니다. 프런트엔드 상호작용 모델은 음성, 화면 및 주변 소리를 지속적으로 수신하고 대화 상태를 이해하여 듣고 응답하거나 기다릴 시점을 결정합니다. 백엔드 모델은 심층 추론과 장시간 실행이 필요한 작업을 담당합니다. 두 모델은 공유 메모리, 맥락 및 작업 상태를 통해 협업하며, 프런트엔드는 백엔드 작업의 진행 상황을 파악합니다. 작업이 완료되면 적절한 시점에 결과를 대화로 가져와 사용자가 기다리지 않고 계속 대화할 수 있도록 합니다.
의미 수준 전이중 제어: MOSS-Live는 지속적으로 듣는 과정에서 의미, 발화 의도 및 대화 상태를 실시간으로 이해하고, 언제 응답하고 기다리며 끼어들기를 받아들이거나 침묵할지 동적으로 판단하여 진정으로 자연스러운 병렬 듣기와 말하기를 구현합니다.
지속적인 멀티모달 인식: 시스템은 음성 스트림, 영상 화면 및 음향 환경이라는 세 가지 정보원을 지속적으로 결합합니다. 상호작용 결정은 멀티모달 정보에 대한 종합적인 이해를 기반으로 합니다. 예를 들어 실시간 화면을 바탕으로 사용자가 가리키는 물체를 인식하거나, 내비게이션 안내 방송과 같은 무관한 소리를 식별해 응답을 거부할 수 있습니다.

공식 웹사이트에서 온라인 체험: 모쓰 인텔리전스 공식 웹사이트 https://www.moss.cn에 접속한 뒤 “MOSS Live 체험”入口를 클릭하고, 회원가입 및 로그인 후 마이크/카메라를 허용하면 음성을 선택해 전이중 음성 대화를 시작할 수 있습니다.
API 연동: https://platform.moss.cn에 접속해 개발자 계정을 등록하고, 애플리케이션을 생성해 키를 발급받은 후 공식 문서에 따라 전이중 인터페이스를 연동하면 MOSS-Live를 자체 제품에 삽입할 수 있습니다.

업계 최고 수준의 대화 흐름 제어: 끼어들기 비율이 1.44%에 불과해 GPT Realtime 2.1 및 Doubao SeedDuplex보다 훨씬 낮으며, 기다림과 응답 타이밍이 가장 자연스럽습니다.
강력한 무관한 소리 거부: 무관한 음성에 대한 오인 응답률이 2%에 불과한 반면, 평가 대상 경쟁 제품은 68%–88%에 달합니다. 주변 사람의 대화나 기기 재생음에 오작동하지 않습니다.
최고 수준의 끼어들기 처리 품질: FDB v1은 끼어들기 후 응답 품질이 4.88/5점입니다. 맞장구 소리에 중단되지 않고 사용자가 실제로 끼어들었을 때 즉시 반응하며 맥락을 이어갑니다.
대화와 작업의 병렬 처리: 프런트엔드·백엔드 협업 아키텍처를 통해 복잡한 작업을 백엔드에서 비동기적으로 실행하므로 대화가 막히지 않으며, 작업이 완료되면 결과를 능동적으로 알려줍니다.
멀티모달 실시간 인식: 음성, 영상 화면, 화면 공유 및 주변 소리를 동시에 결합해 “보고, 듣고, 대화하는” 전방위 상호작용을 구현합니다.
강력한 중단 지점 이어 말하기: 여러 번 끼어들거나 화제를 자주 전환한 후에도 발화 위치와 맥락을 기억하여 이전 내용을 자연스럽게 이어갑니다.
스트리밍 동시통역 지원: 들으면서 번역하고, 실제 동시통역에 가까운 낮은 지연 시간으로 번역문을 지속적으로 출력하여 다국어 교류 상황에 적합합니다.

프로젝트 공식 웹사이트: https://www.moss.cn/products/moss-live

AI 회의 참석: 가상 참석자로서 논의를 실시간으로 따라가고, 끼어든 후에도 맥락을 이어가며, 회의 후 결론과 할 일을 자동으로 정리합니다.
차량용 음성 비서: 운전 중 경로를 계획하고 선박 티켓과 호텔을 검색하며, 내비게이션 안내 방송의 간섭을 견디고 여러 번 끼어들어도 중단된 지점에서 경로 안내를 이어갑니다.
휴대용 여행 가이드: 영상을 통해 눈앞의 건물을 인식하고 역사를 설명하며, 언제든 끼어들어 객실 요금이나 레스토랑을 검색할 수 있습니다. 여행자의 관심에 따라 설명이 자연스럽게 전개됩니다.
다국어 동시통역: 국제회의나 다국어 교류 상황에서 들으면서 번역하고, 실제 동시통역에 가까운 낮은 지연 시간으로 번역문을 지속적으로 출력합니다.
학습 연습 및 알림: 암기 중 실시간으로 오류를 교정하고, 회의 중 중요한 사항을 계속 확인하며, 미리 설정한 조건이 충족되면 능동적으로 개입해 알립니다.