Ultravox V0 6 Qwen 3 32b
MIT
Ultravoxはマルチモーダル音声大規模言語モデルで、音声入力を理解して処理することができ、複数の言語とノイズ環境をサポートします。
音声生成テキスト
Transformers 複数言語対応

U
fixie-ai
1,240
0
Ultravox V0 6 Gemma 3 27b
MIT
Ultravoxは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、音声インタラクションシーンに強力なサポートを提供します。
テキスト生成オーディオ
Transformers 複数言語対応

U
fixie-ai
641
2
Ultravox V0 6 Llama 3 3 70b
MIT
Ultravoxはマルチモーダル音声大規模言語モデルで、事前学習された大規模言語モデルと音声エンコーダを組み合わせ、音声とテキスト入力を処理できます。
テキスト生成オーディオ
Transformers 複数言語対応

U
fixie-ai
196
0
Ultravox V0 5 Llama 3 3 70b Tempfix
MIT
Ultravoxはマルチモーダル音声大規模言語モデルで、音声とテキストを同時に入力として受け取り、複数の言語とタスクをサポートします。
テキスト生成オーディオ
Transformers 複数言語対応

U
zhuexe
35
0
Qwen 2 Audio Instruct Dynamic Fp8
Apache-2.0
Qwen2-AudioはQwen大規模音声言語モデルシリーズの最新バージョンで、複数の音声信号入力を処理し、音声指示に基づいて音声分析を実行したり、直接テキスト応答を生成したりできます。
テキスト生成オーディオ
Transformers 英語

Q
mlinmg
24
0
Ultravox V0 3
MIT
UltravoxはLlama3.1-8B-InstructとWhisper-smallをベースとし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。
音声生成テキスト
Transformers 英語

U
FriendliAI
20
1
Ultravox V0 4 1 Llama 3 3 70b
MIT
UltravoxはLlama3.3-70B-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。
音声生成テキスト
Transformers 複数言語対応

U
fixie-ai
26
10
Ultravox V0 4 1 Mistral Nemo
MIT
UltravoxはMistral-NemoとWhisperをベースにしたマルチモーダルモデルで、音声とテキスト入力を同時に処理でき、音声エージェントや音声翻訳などのタスクに適しています。
音声生成テキスト
Transformers 複数言語対応

U
fixie-ai
1,285
25
Ultravox V0 4 1 Llama 3 1 70b
MIT
Ultravoxは、事前学習済みのLlama3.1-70B-Instructとwhisper-large-v3-turboバックボーン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、音声とテキストの両方を入力として受け取ることができます。
テキスト生成オーディオ
Transformers 複数言語対応

U
fixie-ai
204
24
Ultravox V0 4 1 Llama 3 1 8b
MIT
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。
音声生成テキスト
Transformers 複数言語対応

U
fixie-ai
747
97
Mini Ichigo Llama3.2 3B S Instruct
Apache-2.0
Ichigo-llama3sシリーズモデルはHomebrew Researchが開発したマルチモーダル言語モデルで、音声とテキストの入力をネイティブに理解できます。このモデルはLlama-3アーキテクチャを基盤としており、WhisperVQを音声ファイルトークナイザーとして使用してトレーニングされ、音声理解能力が向上しています。
テキスト生成オーディオ
Safetensors 英語
M
Menlo
22
34
Ichigo Llama3.1 S Instruct V0.3 Phase 2
Apache-2.0
Ichigo-llama3sシリーズモデルは音声とテキスト入力をネイティブで理解可能で、Llama-3アーキテクチャを基盤とし、WhisperVQをオーディオファイルのトークナイザーとして使用しています。
テキスト生成オーディオ 英語
I
homebrewltd
16
5
Qwen2 Audio 7B
Apache-2.0
Qwen2-Audioは通義千問の大規模音声言語モデルシリーズで、音声チャットと音声分析の2つのインタラクションモードをサポートしています。
音声生成テキスト
Transformers 英語

Q
Qwen
28.26k
114
Speechllm 1.5B
Apache-2.0
SpeechLLMは、会話中の話者のターンに関するメタデータ(音声活動、転写テキスト、性別、年齢、アクセント、感情など)を予測するためのマルチモーダル大規模言語モデルです。
テキスト生成オーディオ
Transformers 英語

S
skit-ai
40
7
Speechllm 2B
Apache-2.0
SpeechLLMは、会話中の話者のターンメタデータ(音声活動、転写テキスト、話者の性別、年齢、アクセント、感情など)を予測するために訓練されたマルチモーダル大規模言語モデルです。
テキスト生成オーディオ
Transformers 英語

S
skit-ai
237
16
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