NVIDIA PersonaPlex-7B
NVIDIA发布的开源全双工语音AI模型PersonaPlex-7B，通过端到端架构实现自然、低延迟的全双工对话，消除了传统语音AI流水线的延迟与不自然感。
主要特性
- 端到端架构：不依赖显式标签，通过端到端模型直接学习语音特征
- 全双工对话：支持自然、低延迟的双向对话
- 开源：模型权重开放
技术路线意义
PersonaPlex-7B代表了与结构化标签路线不同的技术方向。端到端模型的成熟是否会削弱对Audio Tags标准化的需求，是一个值得长期跟踪的技术路线问题。如果端到端模型能够达到足够高的质量和可控性，结构化标签的需求可能会降低。
相关实体
- [[audio-tags]] — 结构化标签方案的代表
- [[ssml]] — 最成熟的结构化标签标准
- [[voxtral-tts]] — 同样采用非标签路线的TTS模型