【国立情報学研究所】商用利用可能な同時双方向日本語音声対話モデル「LLM-jp-Moshi-v1」の公開

AIと話している途中に、AIも相づちを打てたら？ 国立情報学研究所などが公開した「LLM-jp-Moshi-v1」は、日本語の音声を聞きながら声で応答できる対話モデルです。「同時双方向」は、人とAIが順番を厳密に待つだけでなく、会話の流れに合わせてやり取りできることを指します。

研究チームは日本語の会話音声を使って学習し、返答のタイミングや相づちも扱えるようにしました。発表では、既存の公開モデルとの比較で、聞き取りやすさや会話の自然さが改善したと報告しています。公開ライセンスはApache 2.0で、商用利用も可能です。

電話対応などへの応用が期待されますが、研究モデルなので実際の運用では誤認識や不自然な返答への備えが必要です。まずは公開されたデモ音声で、会話の「間合い」を聞いてみると面白そうです。