Inilabas ng NVIDIA ang NemotronLabs VoiceChat 11B: open source full-duplex voice model, sumusuporta sa humigit-kumulang 450 millisecond turn-taking at real-time tool calling
Orihinal na pamagat:NVIDIA Releases NemotronLabs VoiceChat 11B: An Open Full-Duplex Speech-to-Speech Model with ~450 ms Turn-Taking and Live Tool Calling
AI summary
Inilabas ng NVIDIA ang open source end-to-end full-duplex voice dialogue model na NemotronLabs VoiceChat 11B, na nagsasagawa ng streaming voice understanding at generation sa isang unified network, na may sinusukat na turn-taking latency na 448 millisecond. Ito ang unang open source full-duplex model na sumusuporta sa tool calling sa gitna ng usapan, at sa pamamagitan ng independent output channel at preset na "hold" na pahayag ay naiiwasan ang katahimikan habang isinasagawa ang API. Pampubliko na ang weights at container, ngunit para sa research use lamang, nangangailangan ng isang 80 GB VRAM GPU, at sa ngayon ay walang hosted API.
Mahahalagang impormasyon
- Inilabas ng NVIDIA ang open source end-to-end full-duplex voice dialogue model na NemotronLabs…
- Ito ang unang open source full-duplex model na sumusuporta sa tool calling sa gitna ng usapan,at…
- Pampubliko na ang weights at container,ngunit para sa research use lamang,nangangailangan ng isang…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- MarkTechPost(RSS)
- Kategorya
- Paglabas ng modelo
- AI na marka
- 75
端到端语音模型消除级联延迟,而工具调用侧通道和保留消息设计在不中断对话的前提下补齐了API等待期,让实时语音智能体更容易工程化。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Inilabas ng NVIDIA ang NemotronLabs VoiceChat 11B: open source full-duplex voice model, sumusuporta sa humigit-kumulang 450 millisecond turn-taking at real-time tool calling. 10 Agosto 2026. https://new.nat6.net/fil/news/cmsmhbu4w0338ronxh92vej2u/