NVIDIA 刚开源的这个 7B 模型，让语音助手第一次能被你打断。
PersonaPlex，全双工，边听边说，代码 MIT、权重开放，本地一张卡就能跑。

当前语音 AI 最大的摩擦，从来不是音色不够真，是它不会插话、不会闭嘴。
NVIDIA 开源的 PersonaPlex-7B，专治这个，简单说就是边听边说，不等你讲完。

它不是又一个音色更真的 TTS，
过去的语音助手是三段流水线：先把你的话转成文字，再丢给大模型想，最后合成语音播出来，每一段都在等上一段。

PersonaPlex 把这套东西塞进一个模型，语音直接进、语音直接出。

以前你跟它说话，像用对讲机，
你等它说完，它等你说完，中间一片沉默，谁想插话谁尴尬。听到一半发现不对，也没法直接打断它。

它长在 Kyutai 的 Moshi 架构上，两条流并行：一条在收你的声音，一条同时在生成它的话。
所以你说话时它会在旁边轻声附和，你一开口，它能立刻停下来让你讲。官方论文里，对话自然度 DMOS 是 2.95，Gemini 是 2.80。

更狠的是，人设和声音被它做成了两个开关。
一段文本定角色，一段音频定音色，零样本克隆声音。做语音智能体、游戏 NPC、陪伴产品，不用再自己拼一整套。

语音 AI 最难的从来不是让它开口，
是让它学会插话、附和，和闭嘴。

做语音产品的，可以拿它本地跑：代码用 MIT，权重是 NVIDIA 开放模型许可，不被厂商锁死。
但两个前提先讲清楚——目前主要支持英文，中文还不行；本地大致要一张 24G 显存的卡。
https://x.com/oliviscusAI/status/2109245289798549819/video/1