輝達開源語音 AI 模型 同步聽說革新人機互動

輝達（Nvidia）近期開源一款名為 PersonaPlex-7B 的語音 AI 模型，這項技術最大的突破在於能讓 AI 助理同步進行聽取和語音生成，擺脫了傳統語音助理「一言我一語」的對話限制，朝向更自然的人機互動邁進。

這款 PersonaPlex-7B 模型特別設計來處理自然的對話情境，包括人類交談時常出現的插話、重疊語音等狀況，與過去必須等待對方說完才回應的語音 AI 系統大相徑庭。PersonaPlex-7B 採用一種雙流架構，其核心是同時運作兩個流程：一個負責處理使用者輸入的語音，另一個則負責生成 AI 的回應語音及文字，兩者共用底層的模型狀態，實現即時互動。

PersonaPlex-7B 是一個 70 億參數的模型，能在單一 GPU 上運行。輝達的測試數據顯示，該模型能達到 90.8% 的輪流對話率，而插話反應延遲時間甚至低至 240 毫秒，首次生成回應的 Token（AI 處理的基本單位）時間約為 170 毫秒，展現出其快速且流暢的互動能力。

PersonaPlex-7B 已於 2026 年 1 月 15 日釋出其權重於 Hugging Face 平台，程式碼則公布在 GitHub 上。輝達採取的開源策略，旨在讓開發者無需支付 API 費用，就能運用這項全雙工語音模型（能同時輸入與輸出語音的模型）進行開發與測試。輝達希望透過普及其底層技術，鼓勵更多應用程式採納，進而帶動其 GPU 等硬體產品的銷售。此舉也為業界設立了可重複驗證的公共效能基準。