U

Ultravox V0 3

由FriendliAI開發
Ultravox 是一個基於 Llama3.1-8B-Instruct 和 Whisper-small 的多模態語音大語言模型,能夠同時處理語音和文本輸入。
下載量 20
發布時間 : 3/19/2025

模型概述

Ultravox 是一個多模態模型,可以接收語音和文本輸入(如文本系統提示和語音用戶消息),並生成文本輸出。未來版本計劃支持生成語義和聲學音頻標記以產生語音輸出。

模型特點

多模態輸入
可以同時接收語音和文本輸入,通過特殊偽標記 <|audio|> 將音頻嵌入向量與文本提示合併處理。
語音理解
能夠理解語音內容並生成相應的文本輸出,適用於語音代理、語音翻譯等任務。
知識蒸餾
使用知識蒸餾損失函數,使模型匹配基於文本的 Llama 主幹網絡的邏輯輸出。

模型能力

語音識別
文本生成
語音到文本翻譯
語音分析

使用案例

語音代理
語音助手
作為語音代理回答用戶問題,提供友好且樂於助人的交互體驗。
語音翻譯
英德翻譯
將英語語音翻譯為德語文本。
BLEU 分數 22.68
西英翻譯
將西班牙語語音翻譯為英語文本。
BLEU 分數 24.10
語音識別
LibriSpeech 測試
在 LibriSpeech 乾淨測試集上進行語音識別。
WER 6.67
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase