英伟达推出 PersonaPlex-7B-v1：把实时语音互动带入“全双工”新纪元

英伟达研究团队近日发布了一款名为 PersonaPlex-7B-v1 的全双工语音对语音对话模型。这一模型打破传统 AI 语音助手“你说完我再答”的单线程模式，目标是带来更贴近真人的自然交流体验。

不同于以往要把 ASR（语音转文本）、LLM（大语言模型）和 TTS（文本转语音）串起来的流水线方案，PersonaPlex采用单一的 Transformer 架构，直接端到端完成听懂与开口的全流程。这样的设计显著缩短响应时间，并让 AI 能自然处理打断、重叠说话和即时回馈。换句话说，像真人聊天一样，它边说边听，用户突然插话也能立刻跟上。

在个性化方面也很灵活。通过“语音 + 文本”的双引导，用户既可设定 AI 的角色背景，又能细致调节音色与语调。据介绍，英伟达在训练时融合了大量真实通话与合成场景，让模型既说得自然，又能严格遵守行业业务规则。评测显示，PersonaPlex-7B-v1在对话顺畅度与任务完成率上，均领先于多数开源与闭源方案。

研究:https://research.nvidia.com/labs/adlr/personaplex/

划重点:

• 🎙️ 全双工交互: PersonaPlex-7B-v1支持实时语音流处理，用户可在 AI 讲话期间随时插话或出现语音重叠，响应速度极快。

• 🧠 单模型架构: 不再依赖繁琐的管线，采用单一Transformer结构，同步预测文本与语音标记，从底层提升对话自然度。

• 🎭 深度个性化: 系统提示词可达 200 token，并支持专属语音嵌入，可灵活定制 AI 的角色性格、业务知识与情感音色。