Nemotron VoiceChat

Nemotron VoiceChat ist NVIDIAs End-to-End-Modell für echtzeitfähige, vollständig duplexe Sprachdialoge. Die offizielle Modellkarte beschreibt gemeinsames Streaming von Sprachverständnis und Sprachgenerierung statt einer Kette aus ASR, Sprachmodell und TTS. Dadurch zielt der Checkpoint auf natürliches Unterbrechen, Sprecherwechsel und Werkzeugaufrufe in laufenden Gesprächen.

Die Modellkarte führt den Checkpoint als 11B-Sprachmodell und verlangt eine multimodale Laufzeit. Der offizielle Sprachzugang und die konkrete Revision gehören daher zur Modellform. Ein textbasierter Chat-Adapter bildet die VoiceChat-Identität nicht vollständig ab.