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-medium 主干构建，能够同时接收语音和文本作为输入。

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。

这是一个基于Wav2Vec2架构的语音语言识别模型，能够识别4017种语言，属于Facebook大规模多语言语音项目的一部分。