MOSS-Live Inafanya kazi

MOSS-Live ni mfumo wa mwingiliano wa wakati halisi wa full-duplex ulioundwa na Moshi Intelligence. MOSS-Live huwezesha AI kusikiliza na kuzungumza kwa wakati mmoja kama binadamu, ikitumia uelewa wa kimaana kuamua wakati wa kujibu, kusubiri au kukubali kukatizwa, bila kuchochewa kimakosa na sauti za kuitikia au kelele za mazingira; inasaidia video call, kushiriki skrini na kuelewa sauti za mazingira; hutumia usanifu wa ushirikiano wa mbele na nyuma, hivyo mazungumzo hayaingiliwi wakati kazi changamano kama kutafuta taarifa na kupanga mipango inatekelezwa kwa njia isiyosawazishwa, kisha matokeo hutolewa kikamilifu kazi inapokamilika. MOSS-Live inaongoza bidhaa shindani kama GPT Realtime katika vipimo kadhaa vya benchmark, na API inapatikana bila malipo kwa muda maalum.

Mazungumzo ya full-duplex: husikiliza na kuzungumza kwa wakati mmoja, huku ikitumia uelewa wa kimaana kuamua wakati wa kujibu, kusubiri, kukubali kukatizwa au kunyamaza.
Kukatizwa kwa kimaana: hutofautisha kuitikia na kukatiza kwa makusudi; haikatizwi na majibu mafupi kama ”mm”, na hujibu kwa wakati inapokatizwa waziwazi.
Kutambua mwisho wa usemi: hutumia uelewa wa kimaana kuamua ikiwa mtumiaji amemaliza kuzungumza; husubiri mtumiaji anapositisha au kufikiri katikati ya sentensi badala ya kuingilia.
Kukataa sauti zisizohusiana: hutambua ni maneno gani yanaelekezwa kwake, bila kuchochewa kimakosa na mazungumzo ya watu wengine, kujisemea au sauti kutoka kwenye vifaa.
Kuitikia kwa asili: hutoa majibu mafupi kwa wakati unaofaa kulingana na maudhui na mdundo wa mazungumzo.
Kuendelea baada ya kukatizwa na kumbukumbu: hata baada ya kukatizwa mara kadhaa au kubadilisha mada, hukumbuka mahali ilipokatizwa na muktadha, na huendelea kwa asili.
Mwingiliano wa kujianzisha: hufuatilia mazungumzo kulingana na masharti yaliyowekwa na mtumiaji na huingilia kwa hiari masharti yanapotimizwa.
Kuzungumza huku ikifanya kazi: huita zana kutekeleza kwa njia isiyosawazishwa kazi kama utafutaji na upangaji; mazungumzo hayaingiliwi, na matokeo hutolewa kazi inapokamilika.
Kusikiliza na kutafsiri: hutoa ukalimani wa papo kwa papo kwa mtiririko, ikiwa na ucheleweshaji mdogo unaokaribia ukalimani wa binadamu.
Utambuzi wa multimodali: inasaidia video call na kushiriki skrini, na inaweza kuelewa sauti za mazingira na timbre ya mzungumzaji, ikichanganya taarifa za kuona, sauti na mazingira katika mwingiliano.

Usanifu wa ushirikiano wa mbele na nyuma: MOSS-Live hutenganisha mwingiliano wa wakati halisi na kazi changamano, huku miundo tofauti ikigawana majukumu: modeli ya mwingiliano wa mbele hupokea mfululizo wa sauti, picha na sauti za mazingira, kuelewa hali ya mazungumzo na kuamua wakati wa kusikiliza, kujibu au kusubiri; modeli ya nyuma hushughulikia kazi zinazohitaji hoja za kina na utekelezaji wa muda mrefu. Miundo hiyo miwili hushirikiana kupitia kumbukumbu, muktadha na hali ya kazi iliyoshirikiwa. Muundo wa mbele hufuatilia maendeleo ya kazi ya nyuma, na kazi inapokamilika huleta matokeo kwenye mazungumzo kwa wakati unaofaa, hivyo mtumiaji anaweza kuendelea kuwasiliana bila kusubiri.
Udhibiti wa full-duplex wa kimaana: Wakati wa kusikiliza mfululizo, MOSS-Live huelewa kwa wakati halisi maana, nia ya mzungumzaji na hali ya mazungumzo, kisha huamua kwa nguvu wakati wa kujibu, kusubiri, kukubali kukatizwa au kunyamaza, na hivyo kuwezesha kusikiliza na kuzungumza kwa pamoja kwa njia ya asili.
Utambuzi endelevu wa multimodali: mfumo huchanganya mfululizo wa vyanzo vitatu vya taarifa: mkondo wa sauti, picha ya video na mazingira ya akustiki. Maamuzi ya mwingiliano hutegemea uelewa wa pamoja wa taarifa za multimodali, kwa mfano kutambua kitu anachokielekeza mtumiaji kupitia picha ya wakati halisi, au kutambua sauti zisizohusiana kama matangazo ya urambazaji na kukataa kuzijibu.

Uzoefu wa mtandaoni kwenye tovuti rasmi: tembelea tovuti rasmi ya Moshi Intelligence https://www.moss.cn, bofya kiingilio cha ”Jaribu MOSS Live”, jisajili na uingie, kisha ruhusu maikrofoni/kamera; unaweza kuchagua sauti ili kuanza mazungumzo ya sauti ya full-duplex.
Muunganisho wa API: tembelea https://platform.moss.cn, sajili akaunti ya msanidi, tengeneza programu ili kupata ufunguo na uunganishe kiolesura cha full-duplex kulingana na nyaraka rasmi; unaweza kupachika MOSS-Live kwenye bidhaa yako.

Udhibiti wa mdundo unaoongoza sekta: kiwango cha kuingilia wakati wa mapumziko ni 1.44% pekee, chini sana kuliko GPT Realtime 2.1 na Doubao SeedDuplex; wakati wa kusubiri na kuendelea kuzungumza ni wa asili zaidi.
Uwezo mkubwa wa kukataa sauti zisizohusiana: kiwango cha kujibu kimakosa sauti zisizohusiana ni 2% pekee, huku bidhaa shindani zilizotathminiwa zikifikia 68%–88%; haitachochewa kimakosa na mazungumzo ya watu wengine au sauti za vifaa.
Ubora wa juu zaidi wa kushughulikia kukatizwa: ubora wa jibu baada ya kukatizwa katika FDB v1 ni 4.88/5; haikatizwi na sauti za kuitikia, na hujibu kwa wakati mtumiaji anapokatiza kweli huku ikiendeleza muktadha.
Mazungumzo na kazi kwa pamoja: usanifu wa ushirikiano wa mbele na nyuma huwezesha kazi changamano kutekelezwa kwa njia isiyosawazishwa nyuma, bila kuzuia mazungumzo, na matokeo hutolewa kazi inapokamilika.
Utambuzi wa multimodali wa wakati halisi: huchanganya kwa wakati mmoja sauti, picha ya video, kushiriki skrini na sauti za mazingira, na kuwezesha mwingiliano kamili wa ”kuona, kusikiliza na kuzungumza” kwa pamoja.
Uwezo thabiti wa kuendelea baada ya kukatizwa: hata baada ya kukatizwa mara kadhaa au kubadilisha mada mara kwa mara, hukumbuka mahali pa usemi na muktadha, kisha huendelea kwa asili kutoka kwenye maudhui ya awali.
Inasaidia ukalimani wa mtiririko: inaweza kusikiliza na kutafsiri kwa wakati mmoja, huku ikitoa tafsiri mfululizo kwa ucheleweshaji mdogo unaokaribia ukalimani wa binadamu, kwa matumizi ya mawasiliano ya lugha mbalimbali.

Tovuti rasmi ya mradi: https://www.moss.cn/products/moss-live

Kushiriki katika mikutano ya AI: hushiriki kama mshiriki pepe anayefuatilia majadiliano kwa wakati halisi, huendeleza muktadha baada ya kukatizwa, na hupanga kiotomatiki hitimisho na kazi za kufuatilia baada ya mkutano.
Msaidizi wa sauti wa gari: hupanga safari na kutafuta tiketi za meli na hoteli wakati wa kuendesha, hustahimili usumbufu wa matangazo ya urambazaji, na huendelea kutoka mahali ilipokatizwa baada ya kukatizwa mara kadhaa.
Mwongoza msafiri wa kibinafsi: hutumia video kutambua jengo lililo mbele na kueleza historia yake; mtumiaji anaweza kukatiza wakati wowote ili kutafuta bei za vyumba au mikahawa, huku maelezo yakiendelea kwa asili kulingana na mapendeleo ya msafiri.
Ukalimani wa wakati mmoja wa lugha mbalimbali: katika mikutano ya kimataifa au mawasiliano ya lugha mbalimbali, husikiliza na kutafsiri kwa wakati mmoja, na kutoa tafsiri mfululizo kwa ucheleweshaji mdogo unaokaribia ukalimani wa binadamu.
Msaidizi wa kujifunza na vikumbusho: husahihisha makosa kwa wakati halisi wakati wa kukariri, hufuatilia mambo muhimu wakati wa mikutano, na huingilia kwa hiari ili kukumbusha masharti yaliyowekwa yanapotimizwa.