Konverzační AI & Hlas
AI, která tě konečně poslouchá
mlj.solutions
mlj.solutions Hlasová AI, která poslouchá a mluví zároveň. NVIDIA představila PersonaPlex - systém, který reaguje na přerušení, přitakává a drží kontext celé konverzace. Žádné čekání, než domluvíš. Žádné začínání od začátku. Full-duplex komunikace mění to, jak může AI fungovat v zákaznické podpoře, onboardingu nebo tréninku. 👉 Kde by tato technologie nejvíc pomohla vašemu byznysu?
Zobrazit na Instagramumlj.solutions
mlj.solutions Zkusili jsme přerušit AI uprostřed věty. 🎙️ Klasický voicebot by začal znovu od začátku. Nebo zamrzl. Tenhle? Přirozeně pokračoval. Jako člověk. NVIDIA právě představila AI, která poslouchá a mluví zároveň. Reaguje na přerušení. Přitakává. Drží kontext. Konec éry hlasových robotů, kteří čekají, než domluví. 👉 Kde by tato technologie nejvíc pomohla vašemu byznysu? Celý příběh ve čtvrtek. 🎬
Zobrazit na InstagramuO čem studie je
NVIDIA PersonaPlex je full-duplex model, který poslouchá a mluví zároveň, a zvládá přerušení a backchanneling jako v přirozené lidské konverzaci. Roli a hlas lze nastavit jediným textovým promptem, a to bez přetrénování modelu. Vychází z předtrénovaného modelu Moshi, doladěného na méně než 5 000 hodinách cílených dat.
100%
úspěšnost při střídání replik
Na benchmarku FullDuplexBench — konkurence se pohybovala mezi 43 % a 90 %.
0,170 s
průměrná latence
Nejnižší ze všech testovaných systémů včetně Gemini Live a Qwen 2.5 Omni.
< 5 000 h
dat k natrénování role-following
PersonaPlex zvládl task-following s minimem cílených dat.
Co z toho vyplývá
- Hlas a roli lze nastavit promptem, a to bez přetrénování a bez úprav modelu.
- Full-duplex zásadně mění kvalitu interakce, agent reaguje v reálném čase, nečeká až uživatel domluví.
- Syntetická a reálná data se navzájem doplňují — syntetická pokrývají scénáře, reálné nahrávky přinášejí přirozené vzorce řeči.
- Model generalizuje za hranice tréninku, zvládl krizový scénář na vesmírné lodi, ačkoli nic podobného v tréninku nebylo.
- NVIDIA PersonaPlex jde nasadit ihned do produkce, kód je dostupný pod open-source licencí.
Náš pohled
Model je sice open-source a připravený k nasazení, čeština ale bohužel chybí, a to je častý problém vícero řešení.
Michal Dobrovolný
Zakladatel & CTO
Zdroj
Roy, R., Raiman, J., Lee, S., Ene, T., Kirby, R., Kim, S., Kim, J., & Catanzaro, B. (2026). PersonaPlex: Voice and Role Control for Full Duplex Conversational Speech Models. NVIDIA Research. https://research.nvidia.com/labs/adlr/personaplex/
Pokračujte ve čtení
Nepřehlédněte další příspěvky
Chcete AI implementovat ve vaší firmě?
Projdeme spolu vaše potřeby a navrhneme přístup, který přinese měřitelné výsledky.
Napište nám
