LLaMA-Omni ist ein auf Llama-3.1-8B-Instruct basierendes Sprachinteraktionsmodell mit geringer Latenz und hoher Qualität, das darauf abzielt, die Sprachfähigkeiten von GPT-4o zu erreichen. Das Modell unterstützt eine Sprachinteraktion mit geringer Latenz und kann gleichzeitig Text- und Sprachantworten generieren. Es wurde in weniger als 3 Tagen mit nur 4 GPUs trainiert, was seine effiziente Trainingsfähigkeit unter Beweis stellt.