LLaMA-Omni는 중국과학원 자연어처리연구실(ICT NLP)이 공개한 엔드투엔드 음성 상호작용 모델로, Llama-3.1-8B-Instruct 위에 음성 인코더와 스트리밍 음성 디코더를 결합해 GPT-4o 수준의 실시간 음성 대화를 목표로 합니다. 별도의 ASR 단계를 거치지 않고 음성 입력에서 곧바로 텍스트·음성 응답을 생성해 200ms 안팎의 낮은 지연을 실현하며, InstructS2S-200K라는 전용 음성 지시 데이터셋으로 학습되어 자연스러운 대화체 응답을 만들어 냅니다. 음성 인터페이스를 갖춘 로컬 어시스턴트나 보이스 에이전트를 구축하려는 연구자·개발자에게 강력한 오픈소스 베이스라인을 제공합니다.