שלוש צורות של ממשקי קול-ראשון - דגמי דיבור מלאים-to-speech, התעוררה ההרכבה VAD ASR LLM TTS
Drop-in דיאלוג מודל, צינור הרכב עם שליטה על הבמה, או גורם של התעוררות דק.כל אחד פועל לחלוטין על-יד.
מודלים Native מזרימים מיקרופון אודיו לתפוקה המדוברת ללא ASR LLM TTS אורך הגבול. בחר VoiceChat של ערימה סימטרית או PersonaPlex
Wake-word VAD הזרמת ASR on-device LLM TTS. Per-שלב בקרה, תמליל, מנועי חליפין באופן חופשי.
גירוי ללא ידיים עבור כל זרימת קול. מילות מפתח עם סף הכרזה, sub-5 MB על שכפול, 26× בזמן אמת.
שניהם מקבלים דיבור מתמשך ומייצרים דיבור ללא תגובה קלאסית ASR LLM TTS תור הגבול. טקסט עדיין יכול להתקיים בתוך המודל כגורם חשיבה וזרם בקרה תואמים.
תפיסה מהירה קווקזית מזין את טקסט Nemotron-H וערוצי תפקוד.נאום ניתן על ידי קוד זדוני נפרד מות טקסט מותנה - לא ראש במודל השפה - ו-22.05 kHz קוד עצבי.
PersonaPlex מתחיל מ Moshi משקולות ומודלים משותפים אודיו משתמש, טקסט הסוכן, ו אודיו הסוכן באמצעות Mimi ו זרמי Depformer.זה תומך בהאזנה ודיבור בו זמנית, תפקיד טקסט מהירות, והודעות אודיו.
הטוב ביותר ללכוד NVIDIAתרגום לעברית עבור: â ¢ ¢ â, â œ â â , ¢ œ ¢ . . â . ¢ , â,¢ â ́ ¢ ; â ; ¢ « ¢ ← â 53] S2S מודל. Moshi ו PersonaPlex מתאר את המשפחה הרב-זרםית, בעוד SALM-Duplex מתאר מודלים סימטריים יעילים. Full-Duplex-Bench מעריך הפסקות, ערוצים אחוריים, הפעלות והפרעות - התנהגות אינטראקציה שאותה היא התנהגות של אינטראקציה, שמשתנה. RTF לא לוכד.
מפגש אמיתי רץ NVIDIA" Nemotron VoiceChat 11ב': תור מדבר, הפרעה באמצע, וסוף מוחלט MCP כלי חיוג Apple Reminders. RTF 0.92 על A M5 Pro, 7.5 תושב GB, שום דבר לא עוזב את המכונה.
העבודה האחרונה על שלוש ההחלטות שסוכן קול מקבל: מתי לחכות, מתי לדבר ומתי לפעול.
VoiceChat ממשיך להקשיב בזמן שהוא עונה, וראש הפונקציה שלו הופך בקשה מדוברת ל- MCP כלי קריאה.על Mac זה רשימות, יוצר ועדכונים Apple Reminders, עם שום דבר לא עוזב את המכונה.
Smart Turn v3.2 שאל אם הדובר סיים לפני הגשת בקשה, כך ש"יום שישי" עדיין יכול להחליף את יום חמישי. 23מודל שפה פועל CoreML ו Swiftב- speech-core C++ לרוץ על הזמן ועל Androidבכמה מילימטרים על M5 Pro.
על On On Androidהדיבור הופך לפעולה של מכשיר אמיתי ותשובה מדוברת בטלפון אחד: Silero VAD, Parakeet STT, FunctionGemma שיחות כלי ו Pocket TTSלגמרי לא מקוון 1.2 GB RAM.
