เปิดตัวโมเดล

NVIDIA เปิดตัว NemotronLabs VoiceChat 11B: โมเดลเสียง full-duplex โอเพนซอร์ส รองรับการสลับประมาณ 450 มิลลิวินาทีและการเรียกใช้เครื่องมือแบบเรียลไทม์

หัวข้อต้นฉบับ:NVIDIA Releases NemotronLabs VoiceChat 11B: An Open Full-Duplex Speech-to-Speech Model with ~450 ms Turn-Taking and Live Tool Calling

สรุปโดย AI

NVIDIA เปิดตัวโมเดลสนทนาเสียง full-duplex แบบ end-to-end โอเพนซอร์ส NemotronLabs VoiceChat 11B ซึ่งทำความเข้าใจและสร้างเสียงแบบสตรีมมิ่งในเครือข่ายเดียว วัดเวลาสลับได้ 448 มิลลิวินาที โมเดลนี้เป็นโมเดล full-duplex โอเพนซอร์สตัวแรกที่รองรับการเรียกใช้เครื่องมือระหว่างการสนทนา ใช้ช่องส่งออกแยกและวลี 'hold' ที่ตั้งไว้ล่วงหน้าเพื่อหลีกเลี่ยงความเงียบระหว่างการทำงานของ API น้ำหนักโมเดลและคอนเทนเนอร์เปิดเผยแล้ว แต่จำกัดเพื่อการวิจัยเท่านั้น ต้องใช้ GPU หน่วยความจำ 80 GB หนึ่งตัว ปัจจุบันยังไม่มี API แบบโฮสต์

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
MarkTechPost(RSS)
หมวดหมู่
เปิดตัวโมเดล
คะแนน AI
75
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

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。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: NVIDIA เปิดตัว NemotronLabs VoiceChat 11B: โมเดลเสียง full-duplex โอเพนซอร์ส รองรับการสลับประมาณ 450 มิลลิวินาทีและการเรียกใช้เครื่องมือแบบเรียลไทม์ 10 สิงหาคม 2026 https://new.nat6.net/th/news/cmsmhbu4w0338ronxh92vej2u/

ดูทั้งหมด →