AIbase
TW
模型選型
標籤
低延遲語音處理

# 低延遲語音處理

Ultravox V0 3
MIT
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。
音頻生成文本 Transformers 英語
U
FriendliAI
20
1
Ultravox V0 5 Llama 3 3 70b
MIT
Ultravox是基於Llama3.3-70B和Whisper構建的多模態語音大語言模型，支持語音和文本輸入，適用於語音代理、翻譯等場景。
音頻生成文本 Transformers 支持多種語言
U
fixie-ai
3,817
26
Ultravox V0 4 1 Llama 3 3 70b
MIT
Ultravox是一個基於Llama3.3-70B-Instruct和whisper-large-v3-turbo構建的多模態語音大語言模型，能夠同時處理語音和文本輸入。
音頻生成文本 Transformers 支持多種語言
U
fixie-ai
26
10
Ultravox V0 4 1 Mistral Nemo
MIT
Ultravox 是一個基於 Mistral-Nemo 和 Whisper 的多模態模型，可同時處理語音和文本輸入，適用於語音代理、語音翻譯等任務。
音頻生成文本 Transformers 支持多種語言
U
fixie-ai
1,285
25
Ultravox V0 4
MIT
Ultravox 是一款基於 Llama3.1-8B-Instruct 和 Whisper-medium 的多模態語音大語言模型，能夠同時處理語音和文本輸入。
音頻生成文本 Transformers 支持多種語言
U
fixie-ai
1,851
48
Ultravox V0 3
MIT
Ultravox 是一個基於 Llama3.1-8B-Instruct 和 Whisper-small 構建的多模態語音大語言模型，能夠同時處理語音和文本輸入。
文本生成音頻 Transformers 英語
U
fixie-ai
48.30k
17
Postmalone
一個用於即時語音轉換的模型，能夠實現高質量的語音風格轉換
語音合成 Transformers
P
sail-rvc
1,679
1
Ai Light Dance Stepmania Ft Wav2vec2 Large Xlsr 53 V1
Apache-2.0
該模型是基於wav2vec2-large-xlsr-53在GARY109/AI_LIGHT_DANCE - ONSET-STEPMANIA2數據集上微調得到的自動語音識別模型。
語音識別 Transformers
A
gary109
48
0
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase