Voila是一个全新的大型语音-语言基础模型家族，旨在将人机交互体验提升至新高度。

OmniAudio是全球最快且最高效的适用于设备端部署的音频语言模型，拥有26亿参数，能够处理文本和音频输入。

Ultravox 是一个多模态语音大语言模型，基于预训练的 Llama3.1-70B-Instruct 和 whisper-large-v3-turbo 主干构建，能够同时接收语音和文本作为输入。

Ultravox是基于Llama3.1-8B-Instruct和whisper-large-v3-turbo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。