음성을 텍스트로 바꿔서 LLM으로 돌리는 유사 보이스챗 말고

처음부터 음성을 중심으로 한 VLM일 수도 있지 않음?

그럼 매직이니 혁신이니 개씹호들갑 떠는 거 이해 가능한데