Ultravox는 fixie-ai가 공개한 실시간 음성 처리에 특화된 멀티모달 LLM이다. 음성을 별도의 STT(음성 인식) 단계로 텍스트화하지 않고, 오디오 인코더가 추출한 음성 표현을 LLM에 직접 입력으로 연결해 처리한다. 이 구조 덕분에 음성 인식과 언어 이해 사이의 변환 지연을 줄여 낮은 지연(latency)으로 대화형 음성 응답을 생성할 수 있다. Llama 계열 등 공개 LLM을 백본으로 사용하며, 음성 비서·콜센터·실시간 통역 같은 대화형 음성 애플리케이션에 활용할 수 있다.