Unmute

Unmute 是 Kyutai 推出的一个语音项目，官网对它的自我介绍只有一句话：「Make LLMs listen and speak」——让大语言模型既能听懂用户说话，也能用语音回应。对已经在用大模型的团队来说，这意味着可以直接加一层「开口对话」的能力，而不必自己拼装「语音转文字、文字生成、再转回语音」的三段式流程。需要说明的是，官网是纯前端动态加载的页面，抓取到的可见文字只有标题和这句描述，模型规格、接口形态与价格都没有出现在可见内容里，因此下面只写官方明确表达的部分。

核心能力

• 让 LLM 具备听觉：官方描述强调 listen，即把语音输入接入大语言模型，用户可以开口说话而不是打字交互。
• 让 LLM 开口说话：官方描述强调 speak，即模型以语音输出回应，而不是只返回一段文字，具体音色与延迟表现官网未在可见信息中给出。
• 端到端的语音对话定位：从「听」到「说」被放在同一个产品里描述，有别于语音转文字加文字转语音的分段拼装思路。
• 取自官网的唯一产品表述：除标题与这句 slogan 外，可见文本里没有功能列表、参数指标或客户案例，本文不做任何补充推测。
• 出自 Kyutai：官网标题为 Unmute by Kyutai，项目由 Kyutai 这一研究机构发布，更多技术背景以官方公开资料为准。

适合谁

• 想给自家 LLM 应用加上实时语音对话能力的开发者。
• 做语音助手、口语陪练、语音客服产品的团队，在选型阶段把它作为候选方案做技术调研。
• 关注端到端语音模型、对交互延迟和打断体验敏感的研究人员。
• 评估是否可以替换现有"转写 + 合成"方案的架构负责人。

使用建议

• 官网为动态渲染页面，建议直接用浏览器打开 unmute.sh 查看演示与技术文档，静态抓取结果不足以判断细节。
• 模型权重、开源协议与接口方式以官方仓库和文档为准，商用前务必确认许可范围。
• 若计划接入自有 LLM，先用少量真实对话样本测一轮响应延迟和打断表现，再决定是否深入。
• 评估时至少看四项：能否自然打断、语气是否生硬、嘈杂环境下的识别稳定性、以及多人场景下的说话人区分。
• 涉及用户录音时，注意录音的采集告知、存储期限与声纹相关的合规要求，尤其是把对话数据拿去继续训练之前。
• 先在内部 Demo 或非核心场景试运行一轮，确认交互体验达标后再放进面向用户的正式功能里。
• 官方的能力范围与条款可能调整，正式选型或引入产品前再核一次官网说明。