NVIDIA 开源全双工语音模型 VoiceChat，支持边说边听与工具调用

chaumian · x · 2026-09-22

NVIDIA NemotronLabs 团队发布论文 VoiceChat，这是一个开放的全双工（full-duplex）语音到语音模型，最大亮点是在实时语音对话中支持工具调用能力。

与传统轮流说话的语音助手不同，全双工架构允许模型同时听和说，更接近人类自然对话体验；工具调用能力则让模型在纯语音交互中也能执行外部操作（如查信息、触发动作），是迈向实用语音 Agent 的关键一步。论文作者阵容庞大，包含多位 NVIDIA 语音方向核心研究员。