英伟达研究团队近期发布了全新全双工语音对话模型——PersonaPlex-7B-v1，其核心目标十分明确：让AI助手彻底告别传统“一问一答”的生硬交互方式，实现接近真人对话般的自然交流体验。 与现有方案截然不同。传统做法需依次经过ASR（语音识别）转文本、LLM（大语言模型）处理、TTS（文本转语音）合成声音三个阶段，模块串联导致延迟高、交互生硬。而PersonaPlex基于统一的Transformer架构，直接从输入语音映射到输出语音，全程无需文本中间表示。这一设计带来显著优势：端到端延迟大幅降低，同时模型原生支持自然打断、多人语音交叠、实时响应等关键能力。换言之，AI在说话时始终处于“聆听状态”，用户中途插话或切换话题，模型能瞬间调整回应，行为逻辑高度接近真人。 值得关注的是，该模型支持“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、专业背景及表达风格，也可上传参考语音样本，精确控制其音色、语速、韵律乃至情绪倾向。这使得定制化应用极其灵活——无论是客服、医疗咨询还是日常闲聊场景，都能匹配最合适的语音形象。 在训练数据方面，英伟达融合了大规模真实电话对话与高质量合成场景数据，既保障语言的自然度和节奏感，也严格遵循金融、医疗等垂直领域的术语规范与服务准则。从基准测试结果来看，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，已全面领先主流的开源与商业闭源语音对话系统。