モデル公開

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
出典
MarkTechPost(RSS)
カテゴリ
モデル公開
AI スコア
75
原文を読む 情報源で全文を読む
おすすめの理由

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。

原文記事 · AIHOT 記事

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/

すべて見る →