# 实时语音交互

Voila是一个大型语音-语言基础模型家族，旨在提升人机交互体验，支持实时、低延迟的语音交互和多语言处理。

Voila是一个大型语音-语言基础模型家族，旨在提升人机交互体验，支持实时、低延迟的语音交互和多语言处理。

Voila是一个全新的大型语音-语言基础模型系列，旨在将人机交互体验提升至全新水平。

SeaLLMs-Audio是面向东南亚的大规模音频语言模型，支持印尼语、泰语、越南语、英语和中文五大语种，具备音频分析、语音交互等能力。

Voila是一个大型语音-语言基础模型系列，旨在提升人机交互体验，支持多种音频任务和语言。

MiniCPM-o 2.6的int4量化版本，显著降低GPU显存占用，支持多模态处理能力。

Typhoon-Audio 预览版是一款支持泰语和英语的音频-语言模型，能够处理文本和音频输入，输出为文本。

Ultravox 是一个基于 Llama3-8B-Instruct 和 Whisper-small 构建的多模态语音大语言模型，能够同时处理语音和文本输入。

基于Speech Commands v2数据集微调的音频频谱图变换器模型，用于音频分类任务，准确率达98.12%。