KAME
https://github.com/SakanaAI/kameSakanaAI/kame
https://arxiv.org/abs/2510.02327v1KAME: Tandem Architecture for Enhancing Knowledge in Real-Time Speech-to-Speech Conversational AI
現在の音声対話AIには2タイプある
Moshiのような直接的なS2Sモデル
応答は早いが、推論を行う余裕が無い
speech2textしたものをLLMに送るカスケード型
賢いが遅い
https://gyazo.com/12c4e791fb0a79b683dfed51ad64c4f8
KAMEはこの中間を目指す
先に喋りながら、裏でLLMに考えさせ、その結果をoracle tokenとして途中から混ぜる