NVIDIA、NemotronLabs VoiceChat 11Bをリリース:オープンソースの全二重音声モデル、約450ミリ秒のターン交代とリアルタイムツール呼び出しをサポート
原題:NVIDIA Releases NemotronLabs VoiceChat 11B: An Open Full-Duplex Speech-to-Speech Model with ~450 ms Turn-Taking and Live Tool Calling
AI 要約
NVIDIAはオープンソースのエンドツーエンド全二重音声対話モデルNemotronLabs VoiceChat 11Bをリリースした。統一ネットワーク内でストリーミング音声の理解と生成を完結し、実測のターン交代遅延は448ミリ秒である。このモデルは会話中のツール呼び出しをサポートする初のオープンソース全二重モデルであり、独立した出力チャネルとプリセットの「保持」フレーズによりAPI実行中の沈黙を避ける。重みとコンテナは公開されているが研究用途に限定され、単一の80 GB VRAM GPUが必要で、現在ホスト型APIはない。
要点
- NVIDIAはオープンソースのエンドツーエンド全二重音声対話モデルNemotronLabs VoiceChat 11Bをリリースした。
- 統一ネットワーク内でストリーミング音声の理解と生成を完結し、実測のターン交代遅延は448ミリ秒である。
- このモデルは会話中のツール呼び出しをサポートする初のオープンソース全二重モデルであり、独立した出力チャネルとプリセットの「保持」フレーズによりAPI実行中の沈黙を避ける。
- 重みとコンテナは公開されているが研究用途に限定され、単一の80 GB VRAM GPUが必要で、現在ホスト型APIはない
概要
- 公開日時
- 更新日時
- カテゴリ
- モデル公開
- AI スコア
- 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。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:NVIDIA、NemotronLabs VoiceChat 11Bをリリース:オープンソースの全二重音声モデル、約450ミリ秒のターン交代とリアルタイムツール呼び出しをサポート。2026年8月10日。https://new.nat6.net/ja/news/cmsmhbu4w0338ronxh92vej2u/