मेटा AI ने हाल ही में SPIRIT LM नामक एक बुनियादी मल्टीमोडल भाषा मॉडल को ओपन-सोर्स किया है, जो पाठ और आवाज़ को स्वतंत्र रूप से मिलाने में सक्षम है, ऑडियो और पाठ के मल्टीमोडल कार्यों के लिए नई संभावनाएँ खोलता है। SPIRIT LM 70 अरब पैरामीटर वाले पूर्व-प्रशिक्षित पाठ भाषा मॉडल पर आधारित है, जो निरंतर प्रशिक्षण के माध्यम से पाठ और ऑडियोक कार्यों में मान्यताप्राप्त किया गया है। यह पाठ बड़े मॉडल की तरह पाठ को समझने और उत्पन्न करने में सक्षम है, साथ ही आवाज़ को भी समझने और उत्पन्न करने में सक्षम है, और यहाँ तक ​​कि पाठ और आवाज़ को मिलाकर विभिन्न प्रकार की कृत्रिम रचनाएँ पैदा कर सकता है।