英伟达研究团队近日正式推出全新全双工语音对语音对话模型——personaplex-7b-v1，致力于突破传统ai语音助手“听一句、答一句”的机械交互范式，打造更富人情味、更贴近真实人际交流的对话体验。
区别于以往依赖ASR（语音识别）、LLM（大语言模型）、TTS（文本转语音）多模块串行处理的复杂流程，PersonaPlex-7B-v1基于统一的Transformer架构，直接实现从输入语音到输出语音的端到端映射，无需中间文本表示。
该一体化设计显著压缩了端到端延迟，同时赋予模型原生支持自然打断、多人语音交叠、实时响应等关键对话能力。换言之，AI在发声过程中始终处于“聆听状态”，用户中途插话或切换话题时，模型可即时调整回应，行为逻辑高度拟人。
值得一提的是，模型支持“语音+文本”双通道角色设定：用户既可通过文字描述定义AI的人设、专业背景与表达风格，也可上传参考语音样本，精准调控其音色、语速、韵律乃至情绪倾向。
训练阶段，英伟达融合大规模真实电话对话数据与高保真合成场景数据，兼顾语言自然性与行业合规性，使模型既能掌握日常对话的节奏与习惯，也能严守金融、医疗、客服等垂直领域的术语规范与服务准则。当前基准测试表明，PersonaPlex-7B-v1在对话连贯性、上下文一致性及任务完成率等核心指标上，全面超越主流开源及商业闭源语音对话系统。
