MoshiVis是一种开源视觉语音模型，结合实时语音交互与视觉内容，提升了对视觉场景的描述能力，特别适合视障人士。它通过轻量级交叉注意模块增强语音模型，确保低延迟和高效能，促进自然交互与可访问性。

Hibiki是一个实时语音翻译模型，结合语音识别、机器翻译和文本转语音，支持法语到英语翻译。其独特架构和上下文对齐技术提升了翻译质量和说话人保真度，适合实时应用。Hibiki-M优化了智能手机性能，具备开源潜力。

Helium-1 Preview是一款针对边缘和移动设备的多语言基础LLM，拥有20亿参数，优化了计算效率和多语言能力，适合对话式AI和实时翻译等应用。其开源特性促进了创新，标志着AI技术在边缘设备上的重要进展。

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。

苹果任命菲尔·席勒为OpenAI董事会观察员，以整合ChatGPT到其设备中。OpenAI的ChatGPT macOS应用更新加密对话以保护用户隐私。Kyutai开源了Moshi，一个实时本地多模态人工智能模型。