Nvidias PersonaPlex kan lyssna medan den svarar
Röstmodellen släpptes i januari och låter utvecklare styra både röst och roll. Dokumentationen beskriver engelska och kräver egen installation.
Att avbryta en röstassistent ska inte behöva betyda att samtalet börjar om. Nvidias PersonaPlex är byggd för att fortsätta lyssna samtidigt som den talar. Företaget publicerade modellen den 15 januari 2026. Det är alltså en redan släppt modell.
Tekniken kallas full duplex: ljud kan gå åt båda hållen samtidigt. I ett samtal kan det betyda att assistenten uppfattar ett förtydligande mitt i sitt eget svar, eller ger en kort bekräftelse medan personen fortsätter prata. Nvidia beskriver en enda modell som uppdaterar sitt interna tillstånd under samtalet, i stället för separata modeller som först skriver ner talet, sedan formulerar ett textsvar och till sist läser upp det.
Tre skilda krav
- Samtidigt tal och lyssnande: modellens arkitektur.
- Språk: engelska enligt modellkortet.
- Drift: egen installation enligt Nvidias guide.
PersonaPlex bygger på Kyutais Moshi och har sju miljarder parametrar, de värden som styr modellens beräkningar. Användaren anger rollen med text och rösten med en ljudinstruktion. Det går därmed att skilja på hur assistenten låter och vilket uppdrag den ska följa.
Engelskan sätter en tydlig gräns
För ett svenskt företag är språkstödet en första urvalsfråga. Modellkortet beskriver engelskt tal som både in- och utdata. Modellkortet anger att modellen kan användas globalt, men lovar inte stöd för svenska kundsamtal. Att en modell går att hämta i Sverige och att den fungerar på svenska är två olika krav i en upphandling.
Nvidia anger att modellen får användas kommersiellt. Vikterna, alltså själva den tränade modellen, följer Nvidia Open Model License. Koden följer MIT-licensen. Den som vill hämta modellen behöver ett Hugging Face-konto och måste acceptera modellvillkoren. Begreppet öppen modell ersätter därför inte en kontroll av rätt licens för den planerade användningen.
Samtalet behöver också en dator
Installationsguiden beskriver hur man installerar ljudbiblioteket Opus och modellens programvara, anger sin åtkomsttoken, en nyckel som ger tillgång till tjänsten, och startar en server med ett webbgränssnitt. Den innehåller färdiga röster och instruktioner för roller, bland annat kundtjänst. Det är ett underlag för utvecklare som bygger en egen lösning.
Dokumentationen erbjuder avlastning till datorns processor när grafikminnet inte räcker. Modellkortet listar Linux och Nvidias A100- och H100-kretsar som stödd miljö; den redovisade inferensen, körningen av modellen, testades på en A100 med 80 GB minne. Ett lokalt webbgränssnitt säger därmed inget i sig om vilken vanlig kontorsdator som räcker.