Ultravox

Ultravox, ayrı bir ses tanıma (ASR) aşamasına ihtiyaç duymadan hem metni hem de insan konuşmasını doğrudan işleyebilen çok modüllü bir dil modelidir. Açık ağırlıklı dil modellerini, sesi doğrudan modelin kullandığı yüksek boyutlu uzaya dönüştüren bir projektör ile genişletir. Varsayılan modeli Llama 3.3 70B üzerine kuruludur ve girdi olarak ses alıp akış halinde metin çıktısı üretir.