让我们看看演示视频吧！
Ultravox 是一种新型的多模态 LLM，它可以理解文本和人类语音，而无需单独的音频语音识别 （ASR） 阶段。
Ultravox （v0.4） 在使用音频内容调用时，第一个令牌的时间 （TTFT） 约为 150 毫秒，使用 Llama 3.1 8B 主干网的令牌速率为每秒 ~60。
Github地址：https://github.com/fixie-ai/ultravox
在线体验：https://huggingface.co/spaces/freddyaboulton/talk-to-ultravox
微信扫描下方的二维码阅读本文
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)