本文へスキップ

ultravox-v0_4_1-mistral-nemo

音声とテキストを扱う多様式の音声大規模言語モデル

公式サイトを見る

Ultravox とは

Ultravox は音声とテキストの入力を同時に扱いテキストを出す多様式の音声大規模言語モデルと紹介されている。

できること

  • テキストの指示と話し言葉の利用者メッセージを組み合わせる
  • 特殊な印で入力音声を埋め込みに変える
  • 音声翻訳や音声の解析に用いる

長所と短所

✓ 良い点

  • 訓練に知識蒸留の損失を用いる
  • 音声から音声への翻訳に適する

! 注意したい点

  • 現状の出力は音声ではなくテキスト
  • 意味・音響の音声印は今後の版で予定

よくある質問

誰が開発した?

資料は Fixie.ai を開発元に挙げ MIT 許諾と説明。

出力は何?

資料は統合した埋め込み入力から出力テキストを生成と説明。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法