英伟达发布PersonaPlex：全双工语音模型，可同时听与说，实现自然对话

英伟达研究团队推出开源PersonaPlex-7B-v1全双工语音对话模型，基于Moshi架构，首次实现AI同时听用户说话并生成响应，支持自然打断、后反馈（如“呃哼”）、重叠对话和快速轮换，无需传统ASR→LLM→TTS级联延迟。

核心创新
单一Transformer模型处理连续24kHz音频令牌，双流架构并行生成文本与语音；混合提示（语音提示定音色/韵律、文本提示定角色/背景）实现高保真克隆与个性对话。

训练融合合成数据（39k教学助理对话+105k客服场景，2250小时）和真实Fisher对话，解耦语音自然度与任务遵守，支持情感表达/语速控制。

实际意义
消除“听-想-说”延迟，模拟人类中断/自纠；企业级语音代理（如客服/教育）从机械转向流畅，Hugging Face开源，优于商用模型对话自然度。
​
来源：公开信息