NVIDIA Nemotron VoiceChat: голосовой ИИ с открытыми весами и поддержкой сторонних инструментов
NVIDIA представила Nemotron VoiceChat — модель для создания голосовых ИИ-ассистентов, способных поддерживать естественный диалог в режиме реального времени. Технология ориентирована на так называемое полноформатное голосовое взаимодействие, при котором система одновременно слушает пользователя и формирует ответ, позволяя вести разговор без необходимости ждать завершения каждой реплики. Одной из ключевых особенностей Nemotron VoiceChat является поддержка естественного прерывания диалога.
Пользователь может перебить ассистента во время ответа, после чего система прекращает генерацию и продолжает разговор с учетом новой реплики. NVIDIA позиционирует технологию как основу для голосовых агентов, которым необходимо реагировать на человека практически без заметных пауз. Модель также может использоваться в составе агентных систем, способных взаимодействовать с внешними инструментами и сервисами.
Это позволяет создавать ассистентов, которые не ограничиваются генерацией текста или речи, а могут выполнять действия через подключенные приложения и другие программные интерфейсы. Конкретный набор доступных инструментов при этом зависит от реализации самого голосового агента. Nemotron VoiceChat построена как интегрированная голосовая система, объединяющая обработку речи, языковое моделирование и синтез голоса.
Такой подход позволяет сократить количество промежуточных этапов между репликой пользователя и ответом системы и сделать разговор более плавным. Для Nemotron 3 VoiceChat NVIDIA указывает около 12 млрд параметров. Компания предоставляет открытые веса модели и инструменты для её развёртывания, в том числе через собственную инфраструктуру NVIDIA.
Это дает разработчикам и компаниям возможность создавать специализированные голосовые приложения и запускать систему в контролируемой среде. Возможность самостоятельного развёртывания особенно важна для корпоративных пользователей, которым необходимо контролировать обработку голосовых данных. Потенциальные области применения включают голосовых операторов, контакт-центры, автомобильные системы, интерактивных персонажей и другие приложения, где требуется быстрый двусторонний диалог с искусственным интеллектом.
Появление Nemotron VoiceChat отражает более широкий переход от обычных чат-ботов к голосовым ИИ-агентам, способным не только отвечать на вопросы, но и взаимодействовать с внешними системами. NVIDIA делает ставку именно на такой формат — естественный разговор в реальном времени, дополненный возможностью выполнять действия через подключенные инструменты.
