Moshi AI vs Serp AI

Moshi AI est un modèle conversationnel natif à la parole développé par Kyutai, un laboratoire de recherche open-science basé à Paris. Au lieu de chaîner la reconnaissance vocale, la génération de texte et la synthèse vocale, Moshi traite directement l'audio et mène des conversations vocales en duplex intégral avec une latence minimale.

Sa conception multi-flux exécute des canaux séparés pour l'utilisateur, la sortie vocale de Moshi, et un flux de texte Monologue intérieur qui améliore la cohérence. Cette configuration permet à Moshi d'écouter et de parler en même temps, de gérer les chevauchements, les interruptions et la réponse en arrière-plan comme lors d'une vraie conversation, plutôt que des tours de parole rigides.

Moshi est construit sur Helium, un modèle linguistique de 7 milliards de paramètres, et Mimi, le codec audio neuronal de Kyutai. Les poids et le code d'inférence sont disponibles pour PyTorch, Rust, et MLX, et vous pouvez l'essayer dans le navigateur sur moshi-chat.kyutai.org. Les chercheurs, les développeurs d'IA vocale, et toute personne créant des interfaces vocales en temps réel y trouveront le plus de valeur.

Serp AI est un assistant vocal et audio que vous faites tourner sur votre propre machine. Son projet open source SERPy écoute les commandes vocales et répond par le biais d'un grand modèle de langage, avec une voix synthétique que vous choisissez vous-même.

Comparé aux assistants cloud liés à la pile d'un seul fournisseur, SERPy est un projet GitHub auto-hébergé de l'organisation serp-ai doté d'une mémoire conversationnelle qui s'adapte à vos habitudes au fil du temps. La page marketing d'origine sur serp.ai/tools/ai-voice-assistant renvoie désormais une erreur 404, le dépôt constitue donc la source principale pour les installations et la documentation.

SERPy cible les développeurs et les passionnés qui souhaitent un assistant de bureau de type Jarvis qu'ils peuvent modifier. Le fichier README indique un lien de téléchargement gratuit ainsi que des vidéos de démonstration, et les mots-clés du dépôt couvrent des cas d'usage liés à l'activation vocale, à la planification, aux e-mails et à l'assistance à la rédaction.