Nuplex 1.0 und Emma: Eine Video-Persona, die im menschlichen Takt antwortet

Der entwaffnendste Satz in Nuance Labs’ Launch-Beitrag ist der, in dem das Unternehmen sich von seinem eigenen Benchmark distanziert. Nachdem der Beitrag ein Diagramm präsentiert hat, in dem sein neues Modell die Antwortzeit eines Menschen in 89 % der Fälle trifft, gegenüber 35 % beim nächstbesten System, räumt er ein: „Benchmarks im AV-Vollduplex-Bereich bilden die Nutzererfahrung noch nicht genau ab.“ Das ist kein Schutzschild, das unten an eine Marketingseite geschraubt wurde. Es ist der ehrliche Rahmen dafür, was Nuplex 1.0 tatsächlich ist: die erste öffentliche Veröffentlichung eines Seattleer Labors, das 18 Monate damit verbracht hat, ein audiovisuelles Modell zu bauen, das im selben Augenblick sieht, hört, denkt und spricht, und das am 9. November 2026 innerhalb einer einzigen Verbraucherpersona namens Emma ausgeliefert wurde. Im Folgenden wird getrennt, was der Anbieter gemessen hat, was er sagt, dass seine eigenen Messungen nicht sagen können, und was ein Entwickler heute erreichen kann.

Worum es geht, in einem Absatz. Nuplex 1.0 ist ein audiovisuelles Full-Duplex-Foundation-Modell – „Nuplex“ ist die unternehmenseigene Kurzform von Nuance Full-duplex, einem System, das gleichzeitig zuhört und spricht, statt sich abzuwechseln. Emma ist die erste Persona, die darauf aufbaut: eine Videofigur, mit der man im Browser über ein Mikrofon und eine optionale Kamera spricht, deren Gesicht und Stimme von einer echten Schauspielerin lizenziert sind und die so gestaltet ist, dass sie nicken, lächeln, wegschauen und dazwischenreden kann, während man noch spricht. Das Consumer-Erlebnis benötigt kein Konto. Die Nuplex Beta API, über die jeder, der mehr als nur ein neugieriger Besucher ist, das Modell ausprobieren kann, befindet sich hinter einer Registrierung auf der Plattform-Website des Unternehmens.

Was ausgeliefert wurde und was noch geschlossen ist

Das zentrale Artefakt ist ein Forschungsbeitrag, „Meet Emma, the First Nuplex Persona“, datiert auf den 9. November 2026 und mit einem zitierfähigen BibTeX-Eintrag versehen – eine Veröffentlichung aus der Forschung, keine Produkt-Keynote. Er verlinkt zwei Türen: emma.nuancelabs.ai für die Persona selbst und platform.nuancelabs.ai für die Beta-API mit „ein paar verschiedenen Personas“. Über die Standardfigur hinaus ermöglicht es Ihnen das API-Briefing, einen Persona-Prompt zu schreiben, das Gespräch in Echtzeit zu verfolgen und die Persona längere Aufgaben im Hintergrund an Ihre eigenen Tools übergeben zu lassen, während sie weiter mit dem Nutzer spricht.

Am selben Abend veröffentlichte ein Gründungsforscher die Persona auf Hacker News unter dem Titel „Emma, eine Echtzeit-KI-Videopersona von Nuance Labs“ und beantwortete Fragen im Thread. Drei Details daraus sind erwähnenswert, weil sie nicht auf der Marketingseite stehen: dass die Beta-API der vorgesehene Weg für Entwickler ist, dass das Team die Arbeit als Wette auf Natürlichkeit statt auf bestehende Benchmarks einordnet und dass frühe Anrufer gewarnt wurden, Emma „könne den Anruf vorzeitig beenden“ – ein Sicherheitsverhalten und kein Fehler, was der Forschungsbeitrag später ausführlich erklärt.

Nicht offen ist der größte Teil der kommerziellen Oberfläche. Die Plattform-Subdomain liegt hinter einer authentifizierten Registrierungs-Shell, und weder eine öffentliche Preisliste noch eine Tarifkarte oder eine Modellkarte mit Parameteranzahl war erreichbar. Die ehrliche Aussage zu den Kosten lautet daher: Für ein Gespräch mit Emma braucht man kein Konto und keine Zahlung, und die Bedingungen der Beta-API werden bei der Anmeldung geregelt. Wer heute einen Preis pro Token für Nuplex 1.0 nennt, erfindet ihn.

Die 89%-Behauptung – gelesen, wie der Anbieter sie liest

Die Antwortlatenz ist die Kennzahl, an der jedes Vollduplex-System gemessen wird, und Nuance Labs argumentiert, dass sie für sich genommen nur wenig aussagt, weil Latenz eine Produktentscheidung und kein Score ist. Die eigene Einordnung von Nuance Labs teilt das Feld in zwei Lager. Offene Modelle wie PersonaPlex und Moshi sind darauf optimiert, so schnell wie möglich zu antworten und die bestehenden Benchmarks maximal auszureizen. Produktsysteme wie GPT-Live und Gemini Live brauchen länger, „höchstwahrscheinlich, weil sie dich lieber nicht unterbrechen würden.“ Nuplex 1.0 ist bewusst zwischen den beiden positioniert.

Das Unternehmen hat also etwas anderes gemessen: nicht, wie schnell ein System antwortet, sondern ob es antwortet, wenn ein Mensch antworten würde. Bei 1.785 Fragen aus eigenen Aufzeichnungen realer Gespräche überschnitt sich die Antwortzeit von Nuplex in 89 % der Fälle mit der des ursprünglichen Sprechers. Das nächstbeste System kam auf 35 %. Jeder Teil dieses Satzes ist vom Anbieter angegeben und wurde von niemandem außerhalb des Unternehmens reproduziert, und zwei der Vergleichszahlen enthalten einen Vorbehalt, den der Anbieter selbst von sich aus anführt: GPT-Live und Gemini Live wurden über ihre öffentlichen APIs erreicht, daher enthalten ihre Zeitmessungen Netzwerkzeit, die bei Nuplex nicht enthalten ist.

Man kann die Behauptung für das nehmen, was sie wert ist, und sie ist immer noch etwas Konkretes und Überprüfbares, das veröffentlicht wurde – ein benannter Fragensatz, eine benannte Metrik, eine dargelegte Vergleichsmethode. Die interessantere Frage ist, warum ein Labor mit einer Zahl vorangeht und sie dann im nächsten Absatz wieder untergräbt. Weil die Metrik das misst, was das Produkt tatsächlich verkauft. Ein Face-to-Face-Gespräch ist kein schnelles Gespräch; es ist eines, in dem das Timing des Gegenübers Aufmerksamkeit signalisiert. Emmas visuelle Signale – ein Nicken, während du sprichst, eine Blickverschiebung, die den Sprecherwechsel beansprucht – sind Teil davon, wie dieses Timing entsteht, und das ist der konkrete Unterschied zwischen diesem und einem Sprach-zu-Sprach-Modell mit einem darüber gerenderten Avatar.

{{1}}Ein Gesicht von einer Schauspielerin{{/1}} und {{2}}eine Persönlichkeit, die darauf trainiert ist, zu widersprechen{{/2}}

Der am wenigsten nach einem Launch klingende Teil des Beitrags ist der Teil darüber, warum generierte Gesichter falsch aussehen. Bittet man professionelle Schauspieler, dieselbe Emotion darzustellen, erhält man eine große Bandbreite, merkt das Unternehmen an und verweist auf Le Mau et al. 2021; KI-generierte Gesichter erzeugen stattdessen einen prototypischen Ausdruck, der leichter zu labeln und intensiver als ein echtes gestelltes Foto ist, mit Verweis auf Kramer et al. 2026. Mittelt man über viele Menschen, erhält man etwas Gedämpftes. Optimiert man auf ein Label, erhält man einen Cartoon.

Die Antwort von Nuance Labs bestand darin, mit dem Mitteln aufzuhören. Emmas Gesicht und Stimme stammen von einer Schauspielerin, die an der Aufnahme mitgewirkt hat, und ihre Eigenheiten sind einem bestimmten Charakter nachempfunden statt einer Verallgemeinerung von Trainingsdaten – das lange Blinzeln zur Betonung, das Zusammenkneifen der Augen, Augen, die umherschweifen und zurückkehren, der kleine Sprung, wenn sie eine Reaktion nicht zurückhalten kann. Der Beitrag stellt sie prototypischen Emoji-artigen Ausdrücken gegenüber, um den Punkt visuell zu verdeutlichen, und es ist die Art von Unterschied, die man in zwei Sekunden bemerkt und danach nicht mehr übersehen kann.

Die Persönlichkeitsarbeit ist die befremdlichere These. Emma ist so gestaltet, dass sie neugierig und schlagfertig ist, Meinungen vertritt und dir widerspricht – und sich zugleich offen als KI zu erkennen gibt. Der Beitrag sagt unverblümt, warum das schwierig ist: Präferenzdaten belohnen Antworten, die der fragenden Person zustimmen, deshalb wiederholen die meisten Assistenten, was du gesagt hast, loben es, ziehen eine ordentliche Moral daraus und enden mit einer Frage. Die zitierte Quelle ist Sharma et al. 2024 zu Sykophantie, und die daraus folgende Design-Vorgabe lautet, dass es nur eine Emma gibt – ein Gesicht, eine Stimme, ein Temperament –, keinen Charakter, den man per erneutem Prompt zur Zustimmung umformen kann.

Was die Beta nicht tun wird

Nuance Labs eröffnet seinen Sicherheitsabschnitt mit einem Zitat seiner ersten Tester, die zwei Dinge „oft im selben Atemzug sagten: Es war erstaunlich, und es war ein wenig beunruhigend.“ Die darauffolgenden Einschränkungen sind für einen Launch ungewöhnlich spezifisch, und sie sind der Grund, warum mehrere naheliegende Produkte diesen Monat nicht auf Nuplex 1.0 aufgebaut werden können.

• Offenlegung ist struktureller Natur — Emma behauptet nie, menschlich zu sein, Entwickler-Prompts, die eine Persona dazu veranlassen sollen, dies zu behaupten, werden abgelehnt, und über die API bereitgestellte Videos tragen ein sichtbares Wasserzeichen.

• Kein Klonen – mit der Beta lassen sich keine echten Personen klonen, es können weder ein Gesicht noch eine Stimme hochgeladen werden, und ein für eine Organisation erstelltes individuelles Gesicht kann nur von dieser Organisation verwendet werden.

• Keine sexuellen Inhalte und keine KI-Freundinnen oder -Freunde.

• Das Gesundheitswesen und alles, was unter 18-Jährige betrifft – Bildung eingeschlossen –, ist komplett aus der Beta ausgenommen; diese Anfragen werden stattdessen an eine Enterprise-Adresse weitergeleitet.

• Jeder Entwickler-Prompt wird vor Beginn einer Unterhaltung überprüft. Während eines Anrufs beenden automatisierte Prüfungen ihn bei geäußerter Absicht zu schwerer Gewalt, bei Beleidigungen oder Hassrede, sexuellen Inhalten oder Waffen und Blutvergießen vor der Kamera – und ebenso, wenn die Persona selbst nach einem Passcode, Kartendaten, Geld oder Fernzugriff auf ein Gerät fragt.

• Jemand, der offenbar in einer Krise steckt, erhält einen Hinweis auf Hilfe, etwa die Suicide & Crisis Lifeline, statt aufgelegt zu werden. Wiederholte Verstöße pausieren neue Unterhaltungen. Das gesamte Produkt ist 18+.

Der Beitrag ergänzt den Satz, den die meisten Anbieter weglassen: Diese Prüfungen werden Dinge übersehen, und sie werden manchmal Anrufe beenden, die in Ordnung waren. Das ist das Richtige, was man den Leuten sagen sollte, und es ist zugleich eine zutreffende Beschreibung des aktuellen Produktstands – eine sorgfältig abgegrenzte Beta und keine Plattform.

Was Emma noch nicht kann

Die Liste der Einschränkungen ist lang genug, um nützlich zu sein. Emmas Schlussfolgerungen stammen von einem Sprachmodell, daher macht sie selbstsichere Fehler und kann sich immer noch bei den Buchstaben in „strawberry“ verzählen. Der Sprecherwechsel funktioniert dort nicht, wo er am schwierigsten ist: Sie kann mitten im Gedanken dazwischenplatzen, einen Moment zu lange warten oder ein Signal verpassen, das ein Mensch mitbekommen würde, und lange Pausen mitten im Satz sind der schlimmste Fall. Vorerst spricht sie nur Englisch. Hintergrundstimmen, ein Fernseher, ein Lautsprechertelefon oder ein schwaches Mikrofon beeinträchtigen allesamt ihr Timing. Das visuelle Verständnis in Echtzeit steht noch am Anfang – mit eingeschalteter Kamera kann sie besprechen, was sie sieht, wird aber Details übersehen und Szenen falsch deuten. Lip-Sync, Blickrichtung und Kopfbewegungen weichen gelegentlich ab, besonders bei schlechter Verbindung, und ihr Gesichtsausdruck kann mitten im Gespräch wieder neutral werden. Sie kann nicht singen. Das Unternehmen sagt das mit einem Smiley, was ein fairer Hinweis darauf ist, wie ernst man den Rest der Liste nehmen sollte.

Wer steckt hinter Nuplex 1.0?

Nuance Labs ist klein und explizit forschungsorientiert, mit Sitz in Seattle, Washington. Seine drei namentlich genannten Gründer sind Fangchang Ma (Mitgründer und CEO, PhD in Robotik und maschinellem Lernen vom MIT, zuvor Engineering Manager bei Apple), Edward Zhang (Mitgründer und CTO, PhD in Computergrafik von der University of Washington, zuvor Senior Research Scientist bei Apple) und Karren Yang (Mitgründerin und Chief Scientist, PhD in audiovisueller Synthese vom MIT, ebenfalls zuvor bei Apple). Das Unternehmen selbst beschreibt das Modell als ein einziges System, das „sieht, hört, denkt, spricht und sich im selben Moment ausdrückt“ – aufgebaut durch die Vorhersage des nächsten Audio- und visuellen Tokens statt des nächsten Worts: dieselbe autoregressive Maschinerie, die Sprache gelernt hat, nun auf menschliches Verhalten ausgerichtet.

Auf seiner Startseite wird auch das Designziel klar benannt: „500 ms sind die harte Untergrenze für die Konversationslatenz“, zusammen mit vier Säulen – Ausdrucksstärke und Natürlichkeit, Echtzeit-Interaktivität, eine einnehmende Persönlichkeit und aktives Zuhören durch Einwürfe, Nicken und Backchannelling. Keine dieser vier ist ein Benchmark, und die Zahl von 500 ms ist eine angegebene Untergrenze und kein gemessenes Ergebnis; lesen Sie sie daher als die Randbedingung, gegen die das Team entwirft, und nicht als Leistungsversprechen für Nuplex 1.0.

Wo Sie es tatsächlich nutzen können

Die Verfügbarkeit ist geografisch begrenzt und enger gefasst als „global“. Emma und die Nuplex Beta API werden in den Vereinigten Staaten mit Ausnahme von Colorado, Connecticut, Illinois und Texas angeboten; in der EU; im Vereinigten Königreich; und in Kanada mit Ausnahme von Quebec. Für ein Gespräch mit Emma ist kein Konto erforderlich – ein Browser, ein Mikrofon und optional eine Kamera sind die gesamte Ausstattung.

Für Entwickler ist die interessante architektonische Tatsache, dass Nuplex vor einem Sprachmodell sitzt, statt eines zu ersetzen. Nuance Labs sagt, Nuplex funktioniere mit jedem Sprachmodell, aber die Beta bediene eines der eigenen, daher sei die Reasoning-Schicht unter Emma heute nichts, was ein Drittanbieter liefert. Was die Beta jedoch offenlegt, ist die Nahtstelle: Die Persona kann längere Aufgaben an deine Tools übergeben, während sie weiterredet, und diese Tools können jedes Modell oder jeden Dienst aufrufen, den du möchtest.

Diese Nahtstelle ist der Punkt, an dem ein Router seinen Platz verdient, und es lohnt sich, genau zu sein bei dem, was wir tun und was nicht. OrcaRouter bietet Nuplex 1.0 nicht an — das Modell steht nicht in unserem Katalog, und der einzige Weg, es zu erreichen, führt über die eigene Beta-Plattform von Nuance Labs. Was wir anbieten, ist die andere Seite des Aufrufs: 215 Modelle hinter einem einzigen OpenAI-kompatiblen Schlüssel zum Listenpreis des Anbieters, durchgereicht mit 0 % Aufschlag, sodass das Modell, zu dem die Tools einer Persona greifen, durch Ändern einer Zeichenkette ausgetauscht werden kann, statt einen zweiten Vertrag zu unterschreiben. Automatisches Failover deckt den Fall ab, der in einem Live-Gespräch am meisten zählt — wenn ein Anbieter mitten im Gespräch stockt, ist das schlimmer als eine etwas schwächere Antwort —, und mit der Routing-DSL lassen sich mehrere Modelle hinter einem einzigen Endpunkt kombinieren, wenn eine Hintergrundaufgabe möchte, dass ein Modell entwirft und ein anderes prüft.

Was als Nächstes ansehen

Drei Dinge würden dies von einer beeindruckenden Demo zu einer Plattform machen. Das erste ist unabhängige Messung: Keine externe Stelle hat den Timing-Test mit 1.785 Fragen durchgeführt, und im AV-Full-Duplex-Bereich gibt es keine gemeinsame Arena – genau deshalb konnte der Anbieter seinen eigenen Fragensatz ohne Widerspruch veröffentlichen. Das zweite ist die Sprachenliste – die Beschränkung auf Englisch ist die größte einzelne Einschränkung der Beta, und ein mehrsprachiges Nuplex verändert, wer darauf aufbauen kann. Das dritte ist das zugrunde liegende Sprachmodell: Sobald Nuplex mit einem Bring-your-own-LM angeboten wird, geht es bei der Routing-Frage nicht mehr um Tools, sondern um das Gespräch selbst. Bis dahin lautet die faire Zusammenfassung, dass Nuance Labs das bislang überzeugendste Argument dafür geliefert hat, dass Gespräch ein visueller Akt ist – und es sorgfältig genug abgesichert hat, dass niemand damit unbemerkt das Falsche bauen kann.