Moshi 作者忆趣事:2千小时电话数据训出的90年代聊天模型

rdesh26 · x · 2026-10-24

Moshi 语音模型作者 neilzegh 回忆:两年前发布 Moshi 时,他们曾用约 2000 小时的 Fisher 数据集(90年代末至2000年代初的电话录音)训练了一个「好玩用」的早期 checkpoint——每次通话都会遇到一个像从那个年代穿越来的随机陌生人。他对比指出,如今已能获得数十万小时的全双工对话数据,全双工语音对话存在明显的 scaling law。背景:Jack 推出 Dessa,号称最有真实感的全双工语音模型,对话富有情感、停顿与自然节奏。