Moshi是一款实时口头对话系统，具有连贯且上下文准确的语音生成功能，延迟仅为160毫秒。它能够处理重叠语音和中断，语音质量好且易懂。Moshi能够维持长时间对话，上下文跨度超过五分钟，并在口头问答任务中表现出色。它代表了口头对话系统的重大飞跃，树立了新标准。