/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
personaplex-7b-v1
Библиотека
moshi
Опубликована
2 июн 2026

personaplex-rl-seamless

Обработка аудиоАудио → аудио3 профессии

Полудуплексная по взаимодействию, потоковая голосовая модель Kyutai на базе PersonaPlex, дообученная для более естественных пауз, очередности реплик, подтверждений и обработки перебиваний.

5 448скачиваний за 30 дней42лайкавеса обновлены11 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

kyutai/personaplex-rl-seamless — модель Kyutai для голосового диалога в режиме полного дуплекса, дообученная с помощью обучения с подкреплением на базе NVIDIA PersonaPlex 7B. Она рассчитана на потоковые разговоры: принимает аудио и генерирует голосовой ответ, стараясь лучше выдерживать паузы, выбирать момент для своей реплики, использовать короткие подтверждения и корректно реагировать на перебивания. PersonaPlex поддерживает текстовую подсказку для управления диалогом и аудиоподсказку для клонирования голоса; модель совместима с официальным кодом инференса PersonaPlex.

При дообучении использовался корпус Seamless Interaction с записями разговоров на отдельных каналах. Качество интерактивности оценивалось на тестах с заранее записанным аудио и динамическими многоходовыми диалогами. Модель предназначена для исследований и не рекомендуется для профессиональных консультаций или выполнения профессиональных обязанностей. Её не следует использовать для имитации других людей или вредоносных целей. Авторы отмечают, что стиль обучающих диалогов может влиять на безопасность ответов, а разработанные правила вознаграждения трудно масштабировать на новые аспекты взаимодействия. Лицензия в предоставленных данных обозначена как other; конкретные условия следует проверять в репозитории.

Сценарии применения

  • потоковый голосовой диалог с более естественной очередностью реплик
  • снижение перебиваний пользователя голосовым ассистентом
  • подбор момента для коротких голосовых подтверждений
  • обработка пауз и пользовательских перебиваний в разговоре
  • исследовательская оценка интерактивности голосовых моделей

Ограничения

Модель предназначена для исследований и не рекомендуется для профессиональных консультаций; авторы предостерегают от имитации людей и вредоносного использования. Стиль обучающих диалогов может влиять на безопасность поведения, а ручная настройка правил вознаграждения затрудняет масштабирование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Multi-Faceted Interactivity Alignment in Full-Duplex Speech Models

Overview

This model is a full-duplex spoken dialogue model post-trained with reinforcement learning (RL) to improve interactivity. Starting from Moshi (Défossez et al., 2024) or PersonaPlex (Roy et al., 2026), our post-training targets the four canonical axes of full-duplex interactivity: pause handling, turn-taking, backchanneling, and user interruption, using axis-specific rewards with GRPO and an LLM Judge reward to preserve response quality.

Compared to the base models, the post-trained models reduce cases where the model inappropriately barges in on the user, substantially improve turn-taking response latency, and promote well-timed backchanneling, as evaluated on both Full-Duplex-Bench v1 (static, using pre-recorded audio input) and Full-Duplex-Bench v2 (dynamic, using real-time multi-turn dialogue).

Training Data

We construct RL training data from Seamless Interaction (Agrawal et al., 2025), a 4,000-hour two-party human conversation corpus in which each speaker is recorded on a separate channel. For each of the four interactivity axes, we use voice activity detection to automatically extract up to 2,000 relevant segments from this corpus.

Models

We release two RL-trained models, one for each base model.

Usage

This model uses the PersonaPlex architecture and is compatible with the official PersonaPlex inference code. PersonaPlex extends Moshi with support for dialogue control via a text prompt and voice cloning via an audio prompt.

git clone https://github.com/NVIDIA/personaplex
cd personaplex
pip install moshi/.
python -m moshi.server --hf-repo kyutai/personaplex-rl-seamless

Before the conversation begins, you provide a text prompt and a voice prompt. See the official PersonaPlex README for further details on installation and usage.

[!NOTE] In our experiments, we used one of the official text prompts You enjoy having a good conversation. throughout, except for the User Interruption task of Full-Duplex-Bench v1, where we used You are a wise and friendly teacher. Answer questions or provide advice in a clear and engaging way. as suggested in the official repository. For the voice prompt, we used a 3-second clip, SC0001.wav, though the web UI only lets you select from the 18 fixed voice prompts provided by NVIDIA.

Bias, Risks, and Limitations

This model is intended for research use only and is not recommended for providing advice or performing any professional duty. It should not be used to impersonate other people or for any malicious purpose.

The rule-based reward design for each axis requires manual engineering and becomes increasingly difficult to scale as the number of axes grows. We have also observed that the conversational style of the training data can affect the model's safety behavior, making the incorporation of safety-aware rewards or constraints into the RL process an important direction for future work.

License

This model's weights have the following lineage, each layer carrying its own license:

ModelWeightsLicense
Moshikyutai/moshiko-pytorch-bf16CC BY 4.0
PersonaPlexnvidia/personaplex-7b-v1 delta from MoshiNVIDIA Open Model License
This modelkyutai/personaplex-rl-seamless delta from PersonaPlexCC BY-NC 4.0

For practical purposes, we distribute the final merged weights directly. Users must comply with both the CC BY-NC 4.0 license and the NVIDIA Open Model License. Please refer to each license for the full terms and conditions.

Citation

@article{ohashi2026multifaceted,
  title={Multi-Faceted Interactivity Alignment in Full-Duplex Speech Models},
  author={Ohashi, Atsumoto and Zeghidour, Neil and D{\'e}fossez, Alexandre and Kharitonov, Eugene},
  journal={arXiv preprint arXiv:2606.11167},
  year={2026}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · moshi

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
3fa8003

0 моделей