moshi：实时全双工语音对话系统

moshi 利用先进的流式神经音频编码器 Mimi，实现了一个能够进行实时、同时听和说（全双工）、自然对话的语音系统。它不仅能听懂你说的话，还可以像正常对话一样回答你的问题，整个过程几乎没有延迟，并允许在对话中随时插话。目前仅支持用英语交流，可以用来练习英语口语，有助于克服开口说英语的障碍。

核心能力

• 全双工对话：边听边说，可随时插话。
• 低延迟：近实时自然交流。
• Mimi 编解码：流式神经音频支撑。
• 口语陪练：英语场景练开口。

适用场景

• 练习英语口语、克服不敢开口。
• 体验低延迟语音 AI。
• 研究与二次开发对话系统。

上手与二开建议

1. 按文档起服务，用麦克风英语对话。
2. 体验插话与打断。
3. 二开：围绕模型与编解码扩展。

注意事项

• 上手难度高：依赖模型与算力。
• 目前仅英语，注意语言限制。