NVIDIA представила Nemotron VoiceChat — полнодуплексную речевую модель на 11B параметров, которая ведёт живой разговор без пауз и умеет вызывать внешние инструменты прямо во время диалога (поиск в интернете, календарь и другие). По данным источников, это первая открытая модель такого класса с поддержкой tool calling.
Модель позиционируется как универсальный голосовой ИИ-агент: она поддерживает естественное чередование реплик, перебивание пользователем, эмоциональную окраску речи и мультимодальные сценарии взаимодействия, а также допускает файнтюн под разные стили голоса.
11Bпараметров модели
480 мсзадержка при перебивании
550 000 часовобъём обучающей речи