Ultravox V0 3
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
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98