# 指令跟隨對話

Ultravox 是一個基於 Llama3-8B-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。

LLaVA-NeXT-Video是一個開源多模態聊天機器人，通過視頻和圖像數據混合訓練，具備優秀的視頻理解能力。