NVIDIA представила NemotronLabs VoiceChat 11B — открытую голосовую AI-модель для разговоров в реальном времени. Она одновременно понимает речь и отвечает голосом, без отдельной связки распознавания речи, языковой модели и синтеза голоса.
Модель умеет поддерживать естественный диалог, реагирует примерно за 450 мс и прекращает говорить, если пользователь её перебивает. Также она может прямо во время разговора обращаться к внешним инструментам — например, запрашивать погоду, новости или данные о котировках.
NemotronLabs VoiceChat содержит 11 млрд параметров и заняла второе место среди открытых моделей в VoiceBench и Full-Duplex-Bench. NVIDIA пока рекомендует использовать её только для исследований. Модель опубликована на Hugging Face и распространяется по лицензии OpenMDW 1.1.
