前苹果研究员创办的 Nuance Labs 发布全双工音视频基础模型 Nuplex 1.0 与首个 AI 形象 Emma：边听边用表情回应，官方口径回复时机与真人重合 89%，Beta API 同步开放

核心背景与行业痛点

现在的语音和数字人产品大多是“半双工”的：等用户说完，再开口回答；说话时画面里的脸要么面无表情地盯着你，要么只做固定的口型动画。真人对话不是这样，人会在对方说话时点头、皱眉、用眼神示意“该你了”。Nuance Labs 由前苹果研究员马方畅（Fangchang Ma，MIT 博士）等人创办，认为数字人缺的不是更逼真的脸，而是“对的时机”。

架构亮点与底层机制

Nuplex 是全双工音视频基础模型，会同时接收用户的声音和摄像头画面，并同步生成自己的声音和面部视频，不需要等用户停下来。官方把视线当作轮流说话的信号，让 Emma 在倾听时也有回应。Emma 的脸和声音来自一名授权真人演员，演员参与录制了自己真实的倾听和反应方式；性格也是专门设计的，会表达观点、会反对用户，而不是一味附和。推理部分仍由一个大语言模型负责，Nuplex 可以对接任意语言模型，但 Beta 期间由官方托管。官方未公布参数量和训练数据规模。

权威 Benchmark 与实测跑分对比

以下为官方/厂商口径：官方从自己录制的真实对话中取了 1,785 个问题，比较各系统开始回复的时间与原对话中真人回答的时间，Nuplex 重合 89%，第二名只有 35%。官方说明，PersonaPlex、Moshi 等开源模型偏向“抢答”，GPT-Live、Gemini Live 偏慢，而且后两者经公开 API 测得，含网络延迟。官方也承认，音视频全双工领域还没有能真实反映体验的基准，第三方独立评测暂未公布。

开发者实战落地与开箱指南

打开 emma.nuancelabs.ai 即可免注册视频聊天，建议戴耳机，背景噪音会影响轮流说话。开发者可在官方平台申请 Nuplex Beta API，用 prompt 设定人设，并让人设在聊天时把长任务交给自己的工具。已知不足：只支持英语，偶尔抢话或停顿过长，口型和视线在网络差时会出错，摄像头画面理解仍较初级。适合面试练习、客服、陪练等需要“面对面”感的场景，医疗和教育类暂不可用。