英伟达发布 PersonaPlex-7B-v1

英伟达研究团队最近放出了一个新东西——PersonaPlex-7B-v1，一个全双工语音对话模型，目标很明确：让AI助手彻底告别那种“你一句我一句”的生硬模式，更像真人那样自然交流。 和传统方案完全不同。以前的做法是ASR（语音识别）先转文本，LLM（大语言模型）处理，再TTS（文本转语音）合成声音，三个模块串起来，延迟高、体验生硬。PersonaPlex则基于统一的Transformer架构，直接从输入语音映射到输出语音，中间不需要任何文本表示。这一设计带来的好处很实在：端到端延迟大幅压缩，同时模型原生支持自然打断、多人语音交叠、实时响应这些关键能力。换句话说，AI在说话的时候也始终处于“聆听状态”，用户中途插话或切换话题，它能立刻调整回答，行为逻辑非常接近真人。 值得一提的是，模型支持“语音+文本”双通道角色设定。你既可以通过文字描述定义AI的人设、专业背景和表达风格，也可以上传参考语音样本，精准控制它的音色、语速、韵律甚至情绪倾向。这就让定制变得极其灵活——无论是客服、医疗咨询还是日常闲聊，都能匹配出最合适的语音形象。 训练数据方面，英伟达融合了大规模真实电话对话和高质量合成场景数据，既保证了语言的自然度和节奏感，也守住了金融、医疗等垂直领域的术语规范和服务准则。从基准测试结果来看，PersonaPlex-7B-v1在对话连贯性、上下文一致性以及任务完成率这些核心指标上，已经全面领先主流的开源和商业闭源语音对话系统。