AI Shift Academy（#シフアカ）
パイプラインからE2Eへ！最新音声対話技術の現在地
人間のように自然で低遅延な対話を実現する「E2E型音声モデル」へのパラダイムシフトを徹底解説します。
・ Half-duplex vs Full-duplex
爆速応答の「LLaMA-Omni」と、話しながら聞く同時双方向を実現する「Moshi」。それぞれのアーキテクチャと訓練手法の違いとは？
・ 技術の裏側
OpenAI Realtime APIの「擬似」Full-duplexの仕組みや、音声コーデック「Mimi」によるトークン化（Semantic/Acoustic）の構造を深掘り。
・ 課題と展望
対話データの不足やセキュリティ評価、今後のマルチモーダル化について議論します。
音声AIの最前線をキャッチアップしたい方は必聴です！
▼おたよりはこちらから