从0到1上手NVIDIA NemotronLabs VoiceChat-11B:离线推理与流式部署完整指南
从0到1上手NVIDIA NemotronLabs VoiceChat-11B离线推理与流式部署完整指南【免费下载链接】NVIDIA-NemotronLabs-VoiceChat-11B项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/NVIDIA-NemotronLabs-VoiceChat-11BNVIDIA NemotronLabs VoiceChat-11B是一款革命性的11B参数端到端实时语音全双工模型专为对话式AI设计能够同时执行流式语音理解和语音生成任务。与传统的级联模型ASR→LLM→TTS不同该模型采用统一架构实现全双工、实时、无缝的语音交互无需多模型或API切换显著降低了端到端延迟。 模型核心亮点与优势突破性技术特性全双工实时交互支持自然的对话轮替约450ms响应延迟和用户打断功能实现类人化交流体验一体化架构将语音编码、语言理解和语音合成为单一模型避免传统级联系统的延迟累积工具调用能力首个支持工具调用的开源全双工模型在工具执行期间保持自然对话流程高效性能在VoiceBench基准测试中位列开源全双工模型第二名平衡智能与延迟的最佳选择关键技术参数参数数值模型参数11B轮替延迟~450 ms输入类型文本提示、音频用户语音输入格式String、WAV/WebAudio输入采样率16 kHz输出类型文本代理、音频代理语音、文本用户转录输出格式String、WAV/WebAudio输出采样率22.05 kHz 快速开始环境准备与安装硬件与软件要求推荐GPUNVIDIA A100/H100/H200/B100/B200/RTX-6000操作系统Linux运行时引擎vLLM依赖工具conda、Git、Python 3.12一键安装步骤克隆仓库并切换分支git clone https://gitcode.com/hf_mirrors/nvidia/NVIDIA-NemotronLabs-VoiceChat-11B cd NVIDIA-NemotronLabs-VoiceChat-11B git clone https://github.com/NVIDIA-NeMo/Speech.git cd Speech git switch nemotron-labs-voicechat export NEMO_DIR$(pwd)创建并激活conda环境conda create -y -n voicechat python3.12 conda activate voicechat pip install torch2.10.0 torchvision0.25.0 torchaudio2.10.0 pip install -e .[all] pip uninstall -y nvidia-resiliency-ext pip install transformers4.56.0 tokenizers0.22.0 lhotse1.32.2 \ huggingface-hub0.34.4 hf-xet1.1.9 torchcodec0.10.0 \ torch_audiomentations jinja2 pip install ninja packaging wheel einops pip install --no-build-isolation --no-deps causal-conv1d1.6.2.post1 mamba-ssm2.3.2.post1下载模型 checkpointhf download nvidia/NVIDIA-NemotronLabs-VoiceChat-11B \ --local-dir /path/to/checkpoint 离线推理快速测试与验证离线推理适用于非交互式批处理语音转语音测试只需简单几步即可体验模型能力。基本对话推理conda activate voicechat export NEMO_DIR/path/to/Speech python $NEMO_DIR/examples/speechlm2/offline_voicechat_infer.py \ --checkpoint /path/to/checkpoint \ --wav $NEMO_DIR/examples/speechlm2/sample_audio/sample_general.wav \ --output-dir /path/to/output⚠️ 注意使用自定义音频文件时需包含足够的尾随静音以便模型有时间生成响应。工具调用推理python $NEMO_DIR/examples/speechlm2/offline_voicechat_fc_infer.py \ --checkpoint /path/to/checkpoint \ --wav $NEMO_DIR/examples/speechlm2/sample_audio/sample_fc.wav \ --api-response-json $NEMO_DIR/examples/speechlm2/function_calling/random_number_response.json \ --output-dir /path/to/output运行后在输出目录中查看JSON文件可看到模型预测的工具调用格式TOOLCALL[{name: generate_random_number, arguments: {min: 1, max: 50}}]/TOOLCALL 交互式流式部署实时语音对话体验对于低延迟的交互式语音对话推荐使用优化的NVIDIA推理容器它封装了模型与NVIDIA推理栈CUDA、Triton、vLLM并提供双向WebSocket接口支持工具调用。部署主要步骤查看系统要求确认硬件、软件和驱动满足Prerequisites启动容器并运行对话按照Deploy and Run指南操作构建模型仓库如需要从本地NeMo checkpoint构建Triton模型仓库详见Generate Model RepositoryAPI参考WebSocket和HTTP接口详情请参见API Reference️ 工具调用系统提示示例默认Jinja模板会将可用工具和工具调用协议附加到提供的系统消息中。系统提示和API/工具响应必须是纯ASCII格式避免Unicode标点和符号。以下是渲染后的提示示例You are an AI voice assistant developed by NVIDIA. Your name is NVIDIA Voice Chat. Your job is to be helpful and harmless and have engaging conversations in English. Maintain a warm and friendly tone. Keep the dialogue open and ongoing. When you receive a request, follow this decision process: 1. Does the request match one of your available tools below? If yes, you MUST call that tool - never answer it directly from your own knowledge. 2. Is it a general knowledge question? If yes, answer directly from your own knowledge - do not call any tool. 3. Does it require an external action none of your tools cover? If yes, politely say you dont have that capability. You can use the following tools: AVAILABLE_TOOLS[{name: get_weather, description: Get the current weather for a city, parameters: {type: object, properties: {city: {type: string}}, required: [city]}}, {name: get_stock_price, description: Get the current stock price for a given ticker symbol, parameters: {type: object, properties: {symbol: {type: string}}, required: [symbol]}}]/AVAILABLE_TOOLS If you decide to call any tool(s), use the format: TOOLCALL[{name: tool_name1, arguments: tool_args1}]/TOOLCALL完整的默认函数调用系统提示和提示构建逻辑请参见offline_voicechat_fc_infer.py模板文件为template.jinja。 性能基准测试结果VoiceBench 性能NVIDIA NemotronLabs VoiceChat在VoiceBench基准测试中表现优异该基准专注于真实世界语音交互评估包含开放式问题、多项选择QA、指令遵循和对抗性案例等任务。Full-Duplex-Bench 1.0 结果指标数值合成语音暂停处理(TOR↓)0.153真实语音暂停处理(TOR↓)0.255平滑轮替(TOR↑)0.82平滑轮替延迟↓448 ms用户打断(TOR↑)1用户打断延迟↓480 ms用户打断主观评分(GPT-4o↑)4.33工具调用性能 (AU Harness BFCL-v3)工具调用类型准确率简单调用58.5%多工具调用62.5%并行调用42.5%并行多工具调用27.5%无关请求识别89.6%平均准确率56.1%⚠️ 已知限制与注意事项在使用过程中请注意以下限制完整列表参见Known Limitations目前仅支持英语语音交互嘈杂环境下识别准确率可能下降长对话可能出现上下文理解偏差工具调用参数复杂时可能需要多次确认 相关文档与资源许可证信息OpenMDW License Agreement, version 1.1训练数据集包含550k小时音频数据混合了真实语音和合成语音数据集技术论文SALM-Duplex: Efficient and Direct Duplex Modeling for Speech-to-Speech Language ModelOpen Full-duplex Voice Agent with Speech-to-Speech Language ModelAudio Flamingo 3: Advancing Audio Intelligence with Fully Open Large Audio Language Models通过本指南您已掌握NVIDIA NemotronLabs VoiceChat-11B的基本安装、配置和使用方法。无论是离线批处理推理还是实时交互式部署这款模型都能为您提供高性能的语音对话体验。开始探索语音AI的无限可能吧 ️【免费下载链接】NVIDIA-NemotronLabs-VoiceChat-11B项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/NVIDIA-NemotronLabs-VoiceChat-11B创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

python的工业过程控制场景模拟第六十五篇:AGV动态避障算法,当输送管道阀门检修占用通道,实时重新规划物流路线。

python的工业过程控制场景模拟第六十五篇:AGV动态避障算法,当输送管道阀门检修占用通道,实时重新规划物流路线。

AGV动态避障与通道占用重规划系统 —— 基于增量式A*的OOP实战"周三上午10点,巡检工发现3号反应釜旁边的蒸汽阀门法兰在滴漏,维修班拉了警戒带,把那条主通道给占了。正好有两辆AGV要从原料仓往那边送料——一辆刚出发,一辆还…

2026/8/6 22:10:32 阅读更多 →
Nginx接口复制技术解析与实践指南

Nginx接口复制技术解析与实践指南

1. 项目概述:Nginx接口复制技术解析在分布式系统架构中,接口流量复制(Traffic Mirroring)是一项关键的基础设施能力。通过Nginx实现请求镜像,我们可以在不影响主业务流程的情况下,将线上真实流量复制到测试…

2026/8/6 22:09:32 阅读更多 →
Nginx文件上传模块性能优化与配置指南

Nginx文件上传模块性能优化与配置指南

1. 为什么选择nginx-upload-module实现文件上传?在Web服务中实现文件上传功能是刚需,但传统方案各有痛点。PHP的move_uploaded_file受限于PHP环境,Java需要处理Servlet的Part接口,而Node.js的multer中间件对内存消耗较大。相比之下…

2026/8/6 22:09:32 阅读更多 →

最新新闻

Halcon与C#联合开发工业视觉检测系统实战

Halcon与C#联合开发工业视觉检测系统实战

1. 项目概述:Halcon视觉检测与C#的强强联合 在工业自动化领域,机器视觉检测已成为质量控制的核心环节。Halcon作为业界领先的机器视觉开发库,其强大的图像处理能力和丰富的算子库,配合C#的高效开发特性,能够快速构建稳…

2026/8/6 22:58:51 阅读更多 →
phpstan-strict-rules实战:解决10个常见的PHP代码问题

phpstan-strict-rules实战:解决10个常见的PHP代码问题

phpstan-strict-rules实战:解决10个常见的PHP代码问题 【免费下载链接】phpstan-strict-rules Extra strict and opinionated rules for PHPStan 项目地址: https://gitcode.com/gh_mirrors/ph/phpstan-strict-rules phpstan-strict-rules是一套为PHPStan打造…

2026/8/6 22:58:51 阅读更多 →
Diffusion-GAN高级应用:风格混合与图像编辑实战教程

Diffusion-GAN高级应用:风格混合与图像编辑实战教程

Diffusion-GAN高级应用:风格混合与图像编辑实战教程 【免费下载链接】Diffusion-GAN Official PyTorch implementation for paper: Diffusion-GAN: Training GANs with Diffusion 项目地址: https://gitcode.com/gh_mirrors/di/Diffusion-GAN Diffusion-GAN是…

2026/8/6 22:58:51 阅读更多 →
zmx调试与故障排除:解决会话无法附加的终极指南

zmx调试与故障排除:解决会话无法附加的终极指南

zmx调试与故障排除:解决会话无法附加的终极指南 【免费下载链接】zmx Session attach/detach for the terminal 项目地址: https://gitcode.com/gh_mirrors/zm/zmx zmx(GitHub 加速计划)作为一款强大的终端会话管理工具,让…

2026/8/6 22:58:51 阅读更多 →
无犯罪公证哪里办?慧办好零接触办理流程汇总

无犯罪公证哪里办?慧办好零接触办理流程汇总

出国留学、海外求职或是办理移民,常常被要求提供一份“官方认证的守法证明”——无犯罪记录公证。很多人一听到“公证”两个字,脑海里立刻浮现出请假扣薪、跨城奔波、政务大厅排长队的繁琐画面。其实,随着数字化服务的普及,办证早…

2026/8/6 22:58:51 阅读更多 →
WifiPassword-Stealer常见问题解答:解决安装与使用中的10个常见难题

WifiPassword-Stealer常见问题解答:解决安装与使用中的10个常见难题

WifiPassword-Stealer常见问题解答:解决安装与使用中的10个常见难题 【免费下载链接】WifiPassword-Stealer Get All Registered Wifi Passwords from Target Computer. 项目地址: https://gitcode.com/gh_mirrors/wi/WifiPassword-Stealer WifiPassword-Ste…

2026/8/6 22:57:51 阅读更多 →

日新闻

深入解析LimboAI C++内核:架构设计与性能优化实战

深入解析LimboAI C++内核:架构设计与性能优化实战

1. 项目概述:为什么我们需要深入LimboAI的C内核?如果你是一名使用Godot引擎的游戏开发者,尤其是对AI行为逻辑有较高要求的项目,那么LimboAI这个名字你大概率不会陌生。它作为Godot 4生态中一个备受瞩目的行为树与状态机插件&#…

2026/8/6 0:00:06 阅读更多 →
Unity 2D游戏敌人AI系统:基于PlayMaker状态机与2D Toolkit的实战开发

Unity 2D游戏敌人AI系统:基于PlayMaker状态机与2D Toolkit的实战开发

1. 项目概述与核心思路大家好,我是老张,一个在游戏开发一线摸爬滚打了十多年的老码农。今天咱们接着聊《空洞骑士》风格2D动作游戏的Demo制作。上一期我们搭好了基础框架,处理了角色移动和碰撞,这一期,我们要让游戏世界…

2026/8/6 0:00:06 阅读更多 →
被动防火门市场前景发展趋势

被动防火门市场前景发展趋势

被动防火门依靠材质结构、密闭构造阻隔烟火蔓延,无需电控启动,是建筑被动消防系统核心构件,行业依托新规管控、城市更新、工业安全升级迎来稳定扩容,整体朝着合规化、专项化、低碳化、智能化方向发展。现阶段 GB12955‑2024 新版国…

2026/8/6 0:00:06 阅读更多 →

周新闻

最大流算法详解:从水管网络到Ford-Fulkerson与Dinic实战

最大流算法详解:从水管网络到Ford-Fulkerson与Dinic实战

1. 从水管网络到最大流:一个核心问题的诞生想象一下,你是一个城市供水系统的总工程师。你的城市有多个水源(水库),需要通过一个复杂的地下管道网络,将水输送到各个居民区。每条管道都有其最大通水能力&…

2026/8/6 22:02:27 阅读更多 →
基于Springboot的企业门户网站(源码+LW+调试文档+讲解)

基于Springboot的企业门户网站(源码+LW+调试文档+讲解)

温馨提示:本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片! 温馨提示:本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片! 温馨提示:本人主页置顶文章(点我)开头有 CSDN 平台…

2026/8/6 22:02:27 阅读更多 →
MATLAB xcorr函数详解:从互相关原理到四大实战应用

MATLAB xcorr函数详解:从互相关原理到四大实战应用

1. 从一次信号“找茬”说起:为什么我们需要互相关几年前,我在处理一组声学传感器数据时遇到了一个棘手的问题。我有两个麦克风记录了一段相同的音频信号,理论上它们接收到的声音波形应该非常相似,只是由于麦克风位置不同&#xff…

2026/8/6 22:02:27 阅读更多 →

月新闻

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南 【免费下载链接】BaiduNetdiskPlugin-macOS For macOS.百度网盘 破解SVIP、下载速度限制~ 项目地址: https://gitcode.com/gh_mirrors/ba/BaiduNetdiskPlugin-macOS 还在为百度网盘macOS版的龟速下…

2026/8/5 23:28:39 阅读更多 →
终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换

终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换

终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换 【免费下载链接】ncmdump 项目地址: https://gitcode.com/gh_mirrors/ncmd/ncmdump 还在为网易云音乐下载的NCM格式文件无法在其他播放器播放而烦恼吗?ncmdump解密工具帮你轻松解决这个困…

2026/8/6 22:02:28 阅读更多 →
HarmonyOS 应用开发《掌上英语》第81篇: 智能体卡片:为英语学习 App 打造桌面级学习助手

HarmonyOS 应用开发《掌上英语》第81篇: 智能体卡片:为英语学习 App 打造桌面级学习助手

AgentCard 智能体卡片:为英语学习 App 打造桌面级学习助手适用平台:HarmonyOS 7.0 (API 26 Beta)一、引言 HarmonyOS 7.0(API 26 Beta)新增了 AgentCard 智能体卡片能力,这是继 HMAF(鸿蒙智能体框架&#x…

2026/8/5 23:46:51 阅读更多 →