MOSS-Live آپریشن میں

MOSS-Live مو سی اسمارٹ کی جانب سے پیش کیا جانے والا مکمل ڈوپلیکس ریئل ٹائم انٹرایکشن سسٹم ہے۔ MOSS-Live AI کو انسانوں کی طرح بیک وقت سننے اور بولنے کے قابل بناتا ہے، اور معنوی سطح پر فیصلہ کرتا ہے کہ کب جواب دینا، انتظار کرنا یا مداخلت قبول کرنا ہے؛ یہ تائیدی آوازوں اور ماحول کے شور سے غلط طور پر متحرک نہیں ہوتا؛ ویڈیو کال، اسکرین شیئرنگ اور محیطی آوازوں کو سمجھنے کی سہولت فراہم کرتا ہے؛ فرنٹ اینڈ اور بیک اینڈ کے باہمی تعاون پر مبنی فن تعمیر کے ذریعے، گفتگو میں خلل ڈالے بغیر مواد تلاش کرنے، منصوبہ بندی کرنے جیسے پیچیدہ کام غیر متزامن طور پر مکمل کیے جا سکتے ہیں، اور کام مکمل ہونے کے بعد نتائج خودکار طور پر بتائے جاتے ہیں۔ MOSS-Live کے متعدد بینچ مارک اشاریے GPT Realtime جیسے حریفوں سے بہتر ہیں، اور API محدود مدت کے لیے مفت دستیاب ہے۔

مکمل ڈوپلیکس گفتگو: بیک وقت سننا اور بولنا، اور معنوی سطح پر جواب دینے، انتظار کرنے، مداخلت قبول کرنے یا خاموش رہنے کا مناسب وقت طے کرنا۔
معنوی مداخلت: تائید اور فعال مداخلت میں فرق کرنا؛ ”ہوں“ جیسی مختصر تائیدی آوازوں سے گفتگو میں خلل نہ پڑنا، جبکہ واضح مداخلت پر بروقت جواب دینا۔
معنوی توقف کا تعین: معنوی فہم کی بنیاد پر فیصلہ کرنا کہ صارف اپنی بات مکمل کر چکا ہے یا نہیں؛ جملے کے درمیان وقفے یا سوچنے کے دوران خودکار طور پر انتظار کرنا اور بات نہ کاٹنا۔
غیر متعلقہ آوازوں کو مسترد کرنا: یہ پہچاننا کہ کون سی بات اس سے کی جا رہی ہے، اور اردگرد کی گفتگو، خود کلامی یا ڈیوائس سے چلنے والی آوازوں سے غلط طور پر متحرک نہ ہونا۔
قدرتی تائید: گفتگو کے مواد اور رفتار کے مطابق مناسب وقت پر مختصر جواب دینا۔
وقفے کے بعد گفتگو جاری رکھنا اور یادداشت: متعدد مداخلتوں اور موضوع کی تبدیلی کے بعد بھی مداخلت کے مقام اور سیاق کو یاد رکھنا اور قدرتی انداز میں گفتگو جاری رکھنا۔
فعال تعامل: صارف کی پہلے سے مقرر کردہ شرائط کے مطابق گفتگو پر مسلسل نظر رکھنا اور شرائط پوری ہونے پر خودکار طور پر شامل ہونا۔
گفتگو کے ساتھ کام کرنا: ٹولز کے ذریعے تلاش اور منصوبہ بندی جیسے کام غیر متزامن طور پر انجام دینا، گفتگو میں رکاوٹ نہ ڈالنا، اور کام مکمل ہونے پر نتائج خودکار طور پر بتانا۔
بیک وقت سننا اور ترجمہ کرنا: اسٹریمنگ سمعی ترجمہ، جس میں تقریباً انسانی ترجمانی جیسی کم تاخیر کے ساتھ مسلسل ترجمہ پیش کیا جاتا ہے۔
کثیر الوسائط ادراک: ویڈیو کال اور اسکرین شیئرنگ کی سہولت، ماحول کی آوازوں اور بولنے والے کے صوتی لہجے کو سمجھنا، اور بصری، صوتی و محیطی معلومات کو یکجا کرکے تعامل کرنا۔

فرنٹ اینڈ اور بیک اینڈ کا باہمی تعاون پر مبنی فن تعمیر: MOSS-Live ریئل ٹائم تعامل اور پیچیدہ کاموں کو الگ کرتا ہے، اور مختلف ماڈلز کو مختلف ذمہ داریاں دیتا ہے: فرنٹ اینڈ انٹرایکشن ماڈل مسلسل آواز، منظر اور ماحول کی آوازیں وصول کرتا ہے، گفتگو کی حالت کو سمجھتا ہے اور سننے، جواب دینے یا انتظار کرنے کا وقت طے کرتا ہے؛ بیک اینڈ ماڈل گہری استدلال اور طویل مدتی عمل درآمد کے حامل کام سنبھالتا ہے۔ دونوں مشترکہ یادداشت، سیاق اور کام کی حالت کے ذریعے ہم آہنگ رہتے ہیں۔ فرنٹ اینڈ بیک اینڈ کے کام کی پیش رفت سے باخبر رہتا ہے اور کام مکمل ہونے پر مناسب وقت میں نتیجہ گفتگو میں شامل کر دیتا ہے، تاکہ صارف انتظار کیے بغیر بات چیت جاری رکھ سکے۔
معنوی سطح کا مکمل ڈوپلیکس کنٹرول: MOSS-Live مسلسل سننے کے دوران حقیقی وقت میں معنی، بولنے کے ارادے اور گفتگو کی حالت کو سمجھتا ہے، اور متحرک طور پر فیصلہ کرتا ہے کہ کب جواب دینا، کب انتظار کرنا، کب مداخلت قبول کرنا اور کب خاموش رہنا ہے، یوں حقیقی معنوں میں قدرتی متوازی سماعت و گفتگو ممکن ہوتی ہے۔
مسلسل کثیر الوسائط ادراک: سسٹم معلومات کے تین ذرائع کو مسلسل یکجا کرتا ہے: صوتی اسٹریم، ویڈیو منظر اور صوتی ماحول۔ تعامل کے فیصلے کثیر الوسائط معلومات کی جامع سمجھ پر مبنی ہوتے ہیں، مثلاً حقیقی وقت کے منظر کی مدد سے صارف کے اشارہ کردہ شے کو پہچاننا، یا نیویگیشن کی ہدایات جیسی غیر متعلقہ آوازوں کو شناخت کرکے جواب دینے سے انکار کرنا۔

سرکاری ویب سائٹ پر آن لائن تجربہ: مو سی اسمارٹ کی سرکاری ویب سائٹ https://www.moss.cn پر جائیں، ”تجربہ کریں MOSS Live“ کے داخلی راستے پر کلک کریں، رجسٹریشن اور لاگ اِن کے بعد مائیکروفون/کیمرے کی اجازت دیں، پھر آواز منتخب کرکے مکمل ڈوپلیکس صوتی گفتگو شروع کریں۔
API انضمام: https://platform.moss.cn پر جاکر ڈویلپر اکاؤنٹ رجسٹر کریں، ایپلیکیشن بنائیں، کلید حاصل کریں اور سرکاری دستاویزات کے مطابق مکمل ڈوپلیکس انٹرفیس کو مربوط کریں، تاکہ MOSS-Live کو اپنی مصنوعات میں شامل کیا جا سکے۔

رفتار کا کنٹرول صنعت میں نمایاں: وقفے کے دوران بات کاٹنے کی شرح صرف 1.44% ہے، جو GPT Realtime کے 2.1 اور Doubao SeedDuplex سے کہیں کم ہے؛ انتظار اور گفتگو سنبھالنے کا وقت سب سے زیادہ قدرتی ہے۔
غیر متعلقہ آوازوں کو مسترد کرنے کی غیر معمولی صلاحیت: غیر متعلقہ آواز پر غلط جواب دینے کی شرح صرف 2% ہے، جبکہ شامل حریفوں میں یہ 68%–88% تک ہے؛ اردگرد کی گفتگو یا ڈیوائس سے چلنے والی آوازوں سے غلط طور پر متحرک نہیں ہوتا۔
مداخلت سنبھالنے کا اعلیٰ ترین معیار: FDB v1 میں مداخلت کے بعد جواب کے معیار کا اسکور 4.88/5 ہے؛ یہ تائیدی آوازوں سے متاثر نہیں ہوتا، اور صارف کی حقیقی مداخلت پر بروقت جواب دے کر سیاق کے ساتھ گفتگو جاری رکھتا ہے۔
گفتگو اور کاموں کا متوازی عمل: فرنٹ اینڈ اور بیک اینڈ کا باہمی تعاون پر مبنی فن تعمیر پیچیدہ کاموں کو بیک اینڈ میں غیر متزامن طور پر انجام دیتا ہے، گفتگو کو مسدود نہیں کرتا اور کام مکمل ہونے پر نتائج خودکار طور پر بتاتا ہے۔
کثیر الوسائط ریئل ٹائم ادراک: صوتی معلومات، ویڈیو منظر، اسکرین شیئرنگ اور ماحول کی آوازوں کو بیک وقت یکجا کرکے ”دیکھتے، سنتے اور گفتگو کرتے“ ہوئے مکمل الوسائط تعامل فراہم کرتا ہے۔
وقفے کے بعد گفتگو جاری رکھنے کی مضبوط صلاحیت: متعدد مداخلتوں اور بار بار موضوع بدلنے کے باوجود بات کے مقام اور سیاق کو یاد رکھتا ہے اور سابقہ مواد سے قدرتی طور پر گفتگو جاری رکھتا ہے۔
اسٹریمنگ سمعی ترجمے کی سہولت: بیک وقت سن کر ترجمہ کیا جا سکتا ہے، اور تقریباً انسانی ترجمانی جیسی کم تاخیر کے ساتھ مسلسل ترجمہ پیش کیا جاتا ہے، جو بین اللغاتی رابطے کے لیے موزوں ہے۔

منصوبے کی سرکاری ویب سائٹ: https://www.moss.cn/products/moss-live

AI کانفرنس میں شرکت: ورچوئل شریک کے طور پر گفتگو کی حقیقی وقت میں پیروی کرنا، مداخلت کے بعد سیاق کے ساتھ گفتگو جاری رکھنا، اور اجلاس کے بعد نتائج و زیر التوا کام خودکار طور پر مرتب کرنا۔
گاڑی میں صوتی معاون: ڈرائیونگ کے دوران سفر کی منصوبہ بندی اور کشتی کے ٹکٹ و ہوٹل تلاش کرنا، نیویگیشن کی ہدایات کے شور کو نظرانداز کرنا، اور متعدد مداخلتوں کے بعد بھی راستے کی گفتگو کو وقفے کے مقام سے جاری رکھنا۔
ذاتی سفری رہنما: سامنے موجود عمارت کو ویڈیو کے ذریعے پہچان کر اس کی تاریخ بیان کرنا، کسی بھی وقت مداخلت کرکے کمرے کے کرائے یا ریستوران کے بارے میں پوچھنا، اور سیاح کی دلچسپی کے مطابق وضاحت کو قدرتی طور پر آگے بڑھانا۔
بین اللغاتی سمعی ترجمہ: بین الاقوامی اجلاسوں یا بین اللغاتی رابطے میں بیک وقت سن کر ترجمہ کرنا، اور تقریباً انسانی ترجمانی جیسی کم تاخیر کے ساتھ مسلسل ترجمہ پیش کرنا۔
سیکھنے کی مشق اور یاد دہانی: یاد کرنے کے دوران حقیقی وقت میں غلطیوں کی اصلاح کرنا، اجلاس میں اہم امور کی نگرانی کرنا، اور پہلے سے مقررہ شرائط پوری ہونے پر خودکار طور پر شامل ہوکر یاد دہانی کرانا۔