Nvidia vydala otevřený model NemotronLabs VoiceChat 11B pro hlasové asistenty. Jde o end-to-end model, který zvládá plně duplexní komunikaci: naslouchá i mluví zároveň a nemusí střídat samostatné systémy pro rozpoznávání, generování textu a řeči. Reakce podle vývojářů přichází zhruba za 450 milisekund, model zvládá přerušení mluvčího i takzvaný barge-in. Jako první otevřený full-duplex model podporuje volání nástrojů přímo během konverzace, přičemž umí nahlas oznámit, že právě spouští nějakou funkci. Základem je jazykový model Nemotron Nano 9B a model je zatím určený pouze pro výzkumné účely. Kód je dostupný na GitHubu.

Radyz

Radyz publikuje komentáře a praktické texty o AI nástrojích, ChatGPT, Claude a dění kolem OpenAI a Anthropicu. Na webu se soustředí na srozumitelný výklad, vlastní zkušenost a důraz na to, co je pro čtenáře skutečně užitečné.