目前全球熱門AI大語言模型(LLM)大多較「擅長」英文或簡體中文，台灣晶片設計大廠聯發科技旗下的聯發創新基地(MediaTek Research)在2月中正式發表並全面開源其最新的多模態基礎模型群——MediaTek Research Breeze 2(簡稱MR Breeze 2，模型開源連結)，包括特別強化了對繁體中文理解能力的多模態語言模型Llama-Breeze2，以及台灣口音語音合成模型BreezyVoice；聯發創新基地歡迎開發者社群持續擴充並使用這些基礎模型，讓更貼近台灣在地使用者的客製化AI助理開發活動能蓬勃發展。
繁中多模態語言模型Llama-Breeze2是以Llama 3.2大型語言模型為基礎，除了繁體中文能力的最佳化，還整合了視覺語言模型(VLMs)以及函式呼叫(Function Calling)功能，支援不同應用場景的開發。BreezyVoice則是專為本地市場打造、針對台灣口音進行調整的語音合成模型(TTS)，號稱僅需5秒鐘長度的音訊樣本就可生成高度擬真語音，用以實現智慧語音助理、客服系統與個人化語音應用。
以上兩套模型各有適用行動裝置/手機的3B「羽量級」參數規模版本，以及適合個人電腦(PC)的8B輕量級版本，讓開發者根據硬體資源選擇最適合的解決方案。除了模型開源外，聯發創新基地也首度開源搭載了3B版本Llama-Breeze2模型的Android作業系統APP(開源連結)，以助力開發者探索如何將其導入智慧裝置與行動應用中。
Llama-Breeze2特色與優勢
全面提升了繁體中文知識的Llama-Breeze2，能讓AI助理更精確辨識處理台灣本地化語境與用語。根據聯發科提供的範例，當以「台灣夜市」為題，分別由Llama-Breeze2-3B與Llama 3.2產出的短文結果，可明顯看出前者對台灣夜市的知識深度和準確性較佳，如下圖：
除了更了解繁體中文與台灣在地知識，Llama-Breeze2另一個特色是其多模態能力，因為整合視覺模型，能讓AI助理不僅讀得懂文字，也更會看圖，例如閱讀圖表、辨識圖片中的文字，或是識別景點。如下圖所示，該模型能從一場競賽的得獎公告中正確讀取前三名個別獎金金額，還能計算獎金總和。
Llama-Breeze2的另一個特色優勢是結合函式呼叫功能，能調用外部工具以加速完成特定任務，提升模型實用性並讓使用者與模型可以交互協作。此次聯發創新基地也同時將可直接部署到個人手機的羽量級Llama-Breeze2-3B模型Android APP開源，讓開發者能節省繁瑣的介接流程，專注應用功能創新，例如開發能針對台灣本地景點進行推薦介紹，或是具備即時翻譯功能的AI隨身助理；若行動裝置主晶片是聯發科天璣，該模型還能被搭載於其中的NPU加速執行，提升效率。
其他參考資源：MediaTek Research基礎模型主頁
(本文轉載自vMaker台灣自造者，原文連結：https://vmaker.tw/archives/73389)
