انویدیا یک مدل هوش مصنوعی صوتی باز منتشر کرده که همزمان با گوش دادن صحبت میکند؛ این خبر بر اساس پوشش رسانهای این عرضه منتشر شده است. این مدل بهعنوان گفتار تمامدوطرفه معرفی شده است: میتواند همزمان صحبت کند و صدا دریافت کند، بهجای اینکه بین گوش دادن و صحبت کردن جابهجا شود. برای تیمهایی که agentهای صوتی میسازند، این موضوع دو چیز را همزمان تغییر میدهد — بودجه تأخیر و منطق نوبتگیری. قطع کردن صحبت، بازخورد کلامی و گفتار همپوشان دیگر موارد حاشیهای نیستند که به یک حلقه درخواست/پاسخ پیچ شده باشند؛ بلکه به ویژگیهای خود مدل تبدیل میشوند.

در پوشش رسانهای به یک هشدار همراه این عرضه اشاره شده است؛ اما نکات ارائهشده مشخص نمیکنند که آن هشدار چیست، بنابراین تأثیر عملی آن بر استفاده تولیدی تنها بر اساس این مطالب روشن نیست. این عرضه همچنین در ادامه تلاش گستردهتر انویدیا برای وزنهای باز و agent-runtime قرار میگیرد، که این مدل را در الگویی وسیعتر از عرضه وزنه
وزنهای باز یک تصمیم استقرار را به درون سازمان منتقل میکنند: اینکه صدا کجا پردازش میشود، از کدام inference stack استفاده میشود، و لایه گفتار چگونه در کنار بقیه یک agent نسخهبندی میشود. برای معماریهای agent صوتی، پرسش عملی تنها کیفیت نیست، بلکه این است که رفتار تمامدوطرفه چگونه ارزیابی میشود — مدیریت وقفه، زمانبندی پاسخ و بازیابی از نوبتهای همپوشان. این evaluation harnessها اکنون بخشی از کار یکپارچهسازی هستند.
