NVIDIA открыла голос без пауз: VoiceChat 11B слушает и говорит одновременно
NVIDIA открыла голос без пауз: VoiceChat 11B слушает и говорит одновременно NVIDIA выпустила NemotronLabs VoiceChat 11B — первую открытую end-to-end модель полного дуплекса (full-duplex). Одна сеть сразу понимает речь и генерирует ответ, без классической цепочки ASR → LLM → TTS. Задержка смены реплики — всего 448 мс. Пользователь может перебивать модель на полуслове, и она мгновенно уступает. Самое интересное: это первая open-модель, которая умеет вызывать инструменты (tool calling) прямо во время разговора. Пока API отвечает, агент произносит заранее заданные «on-hold» фразы, чтобы не было мёртвой паузы. Веса доступны на Hugging Face под OpenMDW-1.1. Пока это research-only checkpoint, но уже сейчас видно, куда движется голосовой интерфейс: живой разговор вместо «говори — жди — слушай». Источники: https://huggingface.co/nvidia/NVIDIA-NemotronLabs-VoiceChat-11B https://www.marktechpost.com/2026/08/09/nvidia-releases-nemotronlabs-voicechat-11b-an-open-full-duplex-speech-to-speech-model-with-450-ms-turn-taking-and-live-tool-calling/ https://github.com/NVIDIA-NeMo/Speech/tree/nemotron-labs-voicechat #AI #NVIDIA #VoiceAI #FullDuplex #OpenSource #AgenticAI