NVIDIA推出PersonaPlex：重塑双向语音AI对话体验
近期，NVIDIA发布了全新的双向对话模型PersonaPlex。作为一款开放神经网络语音人工智能系统，PersonaPlex凭借逼真的对话体验迅速引发关注。该系统可扮演助理、教师及客服代表等多种角色，当前版本已提供16种风格各异的预设声音配置文件。
突破传统局限，兼顾自然度与灵活性
据NVIDIA介绍，传统对话系统虽支持自定义声音和角色，但常伴有机械化的停顿、中断及不自然语序；而Moshi等全双向模型虽通过实时听说的能力提升了自然感，却将用户锁定在单一固定声音上，缺乏灵活性。
PersonaPlex有效解决了这一痛点。用户不仅可从多种声音中选择，还能通过文本命令定义任意角色。系统在保持个性一致性的同时，能智能管理中断与对话节奏，确保交互既具备高度自定义能力，又拥有拟人般的自然流畅度。
技术架构与性能优势
PersonaPlex基于Kyutai的70亿参数Moshi架构开发，采用单一模型架构。该模型能在用户说话时实时更新内部状态并即时响应，并通过协同处理语音与文本两种输入来构建一致的人格。此外，它还具备学习能力，可掌握何时停顿或打断等对话行为。
值得注意的是，NVIDIA还采用了分阶段系统（听力ASR、语言生成LLM、语音合成TTS）以优化低延迟交互。官方数据显示，PersonaPlex在问答助手和客户服务场景中，其对话动态、响应延迟及任务依赖性均优于其他开源和商业系统。
目前，PersonaPlex的代码和模型权重已在MIT许可证及NVIDIA开放模型许可证下发布，基础Moshi模型则由Kyutai以CC-BY-4.0许可证授权。