Ultravox V0 5 Llama 3 1 8b
UltravoxはLlama3.1-8B-Instructとwhisper-large-v3-turboを基に構築されたマルチモーダル音声大規模言語モデルで、音声とテキスト入力を同時に処理できます。
ダウンロード数 17.86k
リリース時間 : 2/5/2025
モデル概要
Ultravoxはマルチモーダルモデルで、音声とテキスト入力を同時に受け取り、音声エージェントや音声から音声への翻訳、音声分析などのタスクに使用できます。
モデル特徴
マルチモーダル入力
音声とテキスト入力を同時に処理でき、特殊な疑似トークン<|audio|>を使用して音声埋め込みベクトルとテキストを融合します。
音声理解能力
音声を聴取し理解する能力を備えており、音声エージェントとして使用できます。
知識蒸留トレーニング
知識蒸留損失関数を採用し、モデルがテキストベースのLlamaバックボーンネットワークの論理出力に可能な限り一致するようにしています。
モデル能力
音声理解
音声から音声への翻訳
音声分析
マルチモーダル入力処理
使用事例
音声エージェント
音声アシスタント
音声アシスタントとしてユーザーの質問に答える
音声翻訳
多言語音声翻訳
複数言語の音声から音声への翻訳をサポート
covost2データセットで12.99(英→アラビア語)から42.13(ロシア語→英語)のBLEUスコアを達成
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98