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。

SeamlessM4T 是一个支持多语言语音和文本翻译的统一模型，能够实现语音到语音、语音到文本、文本到语音和文本到文本的翻译任务。

SeamlessM4T 是一个多语言翻译模型，支持语音和文本的输入输出，实现跨语言交流。