Гаражные ворота с голосом пирата: Nemotron Voice Agent на одной станции
Гаражные ворота с голосом пирата: Nemotron Voice Agent на одной станции Локальный персонаж с анимированным ртом — это цепочка из нескольких моделей, а не один голосовой чат. На Halloween-кейсе MonsterHouse NVIDIA показала полный офлайн-конвейер: распознавание речи, Bolt E4B с LoRA-характером, синтез Magpie и Unreal Engine 5 на двух Blackwell в одной станции. Медиана от конца фразы до звука — около 1,7 с; есть ранняя отдача текста в озвучку и режим микрофона, когда рот живёт без ожидания ответа модели. Пост на Hugging Face разбирает пайплайн по блокам — задержки, обучение персонажа, live-пульт. Если тянете похожего офлайн-агента на одну машину, сравните их схему конвейера со своей: где у вас узкое место — озвучка, диалог или синхрон с лицом.