英伟达发布 PersonaPlex-7B-v1：重塑实时语音交互的“全双工”AI 对话模型

 

英伟达（NVIDIA）研究团队近日正式发布了全新的语音对语音对话模型 PersonaPlex-7B-v1。该模型以全双工（Full-Duplex）语音交互为核心设计目标，通过端到端 Transformer 架构，大幅提升了实时对话的自然度、流畅性与任务完成效率，被视为下一代语音交互 AI 的重要探索方向。

 

全双工语音交互：更接近真人对话体验

 

与传统“你说完我再说”的轮次式语音交互不同，PersonaPlex-7B-v1 支持实时语音流处理，允许用户在 AI 发言过程中随时插话、打断或与其形成重叠对话。

 

这种全双工能力使模型能够：

 

• 更快理解用户意图变化
• 即时调整回应内容与语气
• 显著降低交互延迟

 

整体对话体验更接近人与人之间的自然交流，而非机械式语音助手。

 

单模型 Transformer 架构，摒弃传统插件式管道

 

PersonaPlex-7B-v1 采用端到端的单一 Transformer 架构，同时预测文本与语音标记（speech tokens），从根本上简化了传统语音系统中 ASR（语音识别）+ LLM + TTS（语音合成）的多模块流水线。

 

这一设计带来的优势包括：

 

• 更低的系统复杂度
• 更高的时间一致性
• 更自然的语音节奏与对话衔接

 

英伟达表示，这种架构是实现高质量实时语音交互的关键基础。

 

深度个性化控制：角色、知识与情感音色可定制

 

PersonaPlex-7B-v1 在个性化能力上也进行了显著增强：

 

• 支持 高达 200 token 的系统提示词（System Prompt）
• 可注入特定的 语音嵌入（Voice Embedding）
• 灵活定义 AI 的角色性格、业务领域知识与情感音色

 

这使模型能够适配客服、虚拟助理、教育陪练、数字人等多种应用场景，且无需额外的模型切换或插件配置。

 

面向实时任务与高成功率对话设计

 

官方实验结果显示，PersonaPlex-7B-v1 在：

 

• 对话流畅度
• 实时响应能力
• 任务达成率

 

等关键指标上，均优于传统级联式语音对话系统，尤其适合对“即时反馈”要求极高的应用场景。

 

技术意义与行业影响

 

PersonaPlex-7B-v1 的发布，被认为是英伟达在 语音交互 × 大模型 × 实时系统 方向的重要里程碑，也为未来的：

 

• 实时 AI 助理
• 智能客服
• 游戏 NPC
• 数字人与虚拟主播

 

提供了更接近“真人对话”的技术基础。

 

项目详情入口

 

🔗 英伟达官方研究页面：
https://research.nvidia.com/labs/adlr/personaplex/