'Mini-Omni2' thống trị xu hướng GitHub: Mô hình AI hội thoại song song mã nguồn mở thách thức các ông lớn

Một dự án mã nguồn mở khác đang tạo nên cơn sốt cực lớn trên GitHub ngày hôm nay là 'Mini-Omni2'. Đây là mô hình AI tương tác giọng nói thế hệ mới, được thiết kế để mang lại trải nghiệm trò chuyện trực tiếp 'nghe-nói' song song (end-to-end speech-to-speech) tương tự như tính năng Advanced Voice Mode của GPT-4o nhưng hoàn toàn miễn phí và có thể tự lưu trữ (self-hosted). Điểm đột phá của Mini-Omni2 là nó loại bỏ hoàn toàn quy trình ba bước truyền thống (Chuyển giọng nói thành văn bản -> Xử lý văn bản -> Chuyển văn bản thành giọng nói). Thay vào đó, mô hình xử lý trực tiếp sóng âm thanh đầu vào và tạo ra sóng âm thanh đầu ra ngay lập tức. Kiến trúc này giúp giảm độ trễ phản hồi xuống mức kỷ lục chỉ từ 150ms đến 200ms, tạo cảm giác như hai con người đang trò chuyện trực tiếp với nhau mà không có bất kỳ khoảng lặng ngắt quãng nào. Ngoài ra, Mini-Omni2 còn hỗ trợ khả năng 'ngắt lời' (interruption). Người dùng có thể nói xen vào khi AI đang trả lời, và mô hình sẽ lập tức dừng lại để lắng nghe ý kiến mới mà không bị mất ngữ cảnh của cuộc trò chuyện trước đó. Dự án cũng cung cấp sẵn các API gọn nhẹ để nhà phát triển dễ dàng tích hợp tính năng gọi điện thoại AI hoặc trợ lý ảo thông minh vào các ứng dụng di động của họ. Với việc mã nguồn được mở hoàn toàn dưới giấy phép MIT, cộng đồng công nghệ đang kỳ vọng Mini-Omni2 sẽ châm ngòi cho một làn sóng ứng dụng hội thoại AI mới, giúp các doanh nghiệp vừa và nhỏ dễ dàng tiếp cận công nghệ giao tiếp giọng nói tiên tiến mà không phải gánh chịu chi phí API đắt đỏ từ các tập đoàn lớn.