Nuplex 1.0 y Emma: una persona en vídeo que responde al compás humano

La frase más desarmante en la publicación de lanzamiento de Nuance Labs es aquella en la que la empresa reniega de su propio benchmark. Después de presentar un gráfico en el que su nuevo modelo iguala el tiempo de respuesta de una persona el 89 % de las veces, frente al 35 % del siguiente sistema más cercano, la publicación admite que «los benchmarks en el espacio audiovisual full-duplex todavía no reflejan con precisión la experiencia del usuario». Eso no es una salvedad atornillada al final de una página de marketing. Es el marco honesto de lo que Nuplex 1.0 es en realidad: el primer lanzamiento público de un laboratorio de Seattle que ha pasado 18 meses construyendo un modelo audiovisual que ve, oye, razona y habla en el mismo instante, lanzado el 9 de noviembre de 2026 dentro de una única personalidad de consumo llamada Emma. Lo que sigue distingue lo que el proveedor midió, lo que afirma que sus propias mediciones no pueden decirte y aquello a lo que un desarrollador puede acceder hoy.

La idea general, en un párrafo. Nuplex 1.0 es un modelo fundacional audiovisual full-duplex; «Nuplex» es la contracción que la empresa hace de Nuance Full-duplex, un sistema que escucha y habla simultáneamente en lugar de turnarse. Emma es la primera persona construida sobre él: un personaje de video con el que hablas en un navegador con micrófono y una cámara opcional, cuyo rostro y voz se licencian de una actriz real, y que está diseñada para asentir, sonreír, apartar la mirada e intervenir mientras aún hablas. La experiencia del consumidor no requiere cuenta. La Nuplex Beta API, que es la forma en que cualquier persona que no sea un visitante curioso puede acceder al modelo, está detrás de un registro en el sitio de la plataforma de la empresa.

Lo que se lanzó y lo que sigue cerrado

El artefacto principal es una publicación de investigación, «Conoce a Emma, la primera persona de Nuplex», fechada el 9 de noviembre de 2026 y que incluye una entrada BibTeX citable: un anuncio de investigador, no una presentación de producto. Enlaza dos puertas: emma.nuancelabs.ai para la propia persona, y platform.nuancelabs.ai para la API beta con «unas cuantas personas diferentes». Más allá del personaje predeterminado, el resumen de la API te permite escribir un prompt de persona, seguir la conversación tal como ocurre y dejar que la persona delegue tareas más largas a tus propias herramientas en segundo plano mientras sigue hablando con el usuario.

Esa misma tarde, un investigador fundador publicó el persona en Hacker News con el título «Emma, a real-time AI video persona from Nuance Labs» y respondió preguntas en el hilo. Hay tres detalles que vale la pena conocer porque no aparecen en la página de marketing: que la API beta es la vía prevista para desarrolladores, que el equipo enmarca el trabajo como una apuesta por la naturalidad frente a los benchmarks existentes, y que a quienes llamaron al principio se les advirtió de que Emma «may prematurely end the call» —un comportamiento de seguridad, no un error, que la publicación de investigación explica después en detalle.

Lo que no está abierto es la mayor parte de la superficie comercial. El subdominio de la plataforma está detrás de un shell de registro autenticado, y no había forma de acceder a ninguna lista de precios pública, tabla de tarifas ni ficha de modelo que incluyera un recuento de parámetros. Así que la afirmación honesta sobre el coste es esta: hablar con Emma no requiere cuenta ni pago, y las condiciones de la API beta se acuerdan al registrarse. Cualquiera que hoy cite un precio por token para Nuplex 1.0 se lo está inventando.

La afirmación del 89%, leída tal como la lee el proveedor

La latencia de respuesta es el número por el que se juzga a todo sistema full-duplex, y Nuance Labs sostiene que, por sí sola, resuelve muy poco, porque la latencia es una decisión de producto más que una puntuación. Su propio planteamiento divide el campo en dos. Los modelos abiertos como PersonaPlex y Moshi están ajustados para responder lo más rápido posible y llevar al máximo los benchmarks existentes. Los sistemas de producto como GPT-Live y G​emini Live tardan más, «muy probablemente porque prefieren no interrumpirte». Nuplex 1.0 se sitúa deliberadamente entre ambos.

Así que la empresa midió algo distinto: no la rapidez con la que responde un sistema, sino si responde cuando lo haría una persona. En 1.785 preguntas extraídas de sus propias grabaciones de conversaciones reales, el tiempo de respuesta de Nuplex se solapó con el del hablante original el 89 % de las veces. El siguiente sistema más cercano logró un 35 %. Cada parte de esa frase está reportada por el proveedor y nadie fuera de la empresa la ha reproducido, y dos de las cifras de comparación conllevan una advertencia que el propio proveedor ofrece voluntariamente: se accedió a GPT-Live y Gemini Live a través de sus API públicas, por lo que sus tiempos incluyen el tiempo de red que los de Nuplex no incluyen.

Tomemos la afirmación por lo que vale, y aun así es algo específico y verificable que se haya publicado: un conjunto de preguntas con nombre, una métrica con nombre y un método de comparación declarado. La pregunta más interesante es por qué un laboratorio empezaría con una cifra y luego le restaría valor en el párrafo siguiente. Porque la métrica mide aquello que el producto vende realmente. Una conversación cara a cara no es una conversación rápida; es una en la que la sincronización de la otra persona transmite atención. Las señales visuales de Emma —un asentimiento mientras hablas, un cambio de mirada que reclama el turno— son parte de cómo se produce esa sincronización, y esa es la diferencia concreta entre esto y un modelo de voz a voz con un avatar renderizado encima.

Un rostro de una actriz y una personalidad entrenada para discrepar

La parte de la publicación que menos tiene que ver con el lanzamiento es la que explica por qué las caras generadas se ven mal. Si se pide a actores profesionales que representen la misma emoción, se obtiene una amplia variación, señala la empresa, citando a Le Mau et al. 2021; en cambio, las caras generadas por IA producen una expresión prototípica que es más fácil de etiquetar y más intensa que una fotografía posada real, citando a Kramer et al. 2026. Si promedias a muchas personas, obtienes algo atenuado. Si optimizas para una etiqueta, obtienes una caricatura.

La respuesta de Nuance Labs fue dejar de promediar. El rostro y la voz de Emma provienen de una actriz que colaboró en la captura, y sus gestos están modelados a partir de un personaje concreto en lugar de una generalización de los datos de entrenamiento: el parpadeo largo para enfatizar, el entrecerrar de ojos, los ojos que vagan y vuelven, el pequeño sobresalto cuando no puede contener una reacción. La publicación la contrapone a expresiones prototípicas al estilo emoji para demostrarlo visualmente, y es ese tipo de diferencia que notas en dos segundos y que después ya no puedes dejar de notar.

El trabajo de personalidad es la afirmación más extraña. Emma está diseñada para ser curiosa, ingeniosa, tener opiniones y discrepar de ti, siendo abiertamente una IA. La publicación es contundente sobre por qué eso es difícil: los datos de preferencia recompensan las respuestas que están de acuerdo con quien pregunta, así que la mayoría de los asistentes repiten lo que dijiste, lo elogian, extraen una moraleja ordenada y terminan con una pregunta. La cita es Sharma et al. 2024 sobre la sicofancia, y la restricción de diseño que se deriva es que solo hay una Emma —un rostro, una voz, un temperamento—, no un personaje al que puedas volver a indicar mediante prompts para que esté de acuerdo.

Lo que la beta se negará a hacer

Nuance Labs abre su sección de seguridad citando a sus primeros probadores, quienes dijeron dos cosas «a menudo en la misma frase: era increíble y resultaba un poco inquietante». Las restricciones que siguen son inusualmente específicas para un lanzamiento, y son la razón por la que varios productos obvios no pueden construirse sobre Nuplex 1.0 este mes.

La divulgación es estructural: Emma nunca afirma ser humana, se rechazan los prompts de desarrollador que intentan que una persona lo afirme, y el vídeo servido a través de la API lleva una marca de agua visible.

• Sin clonación: la beta no puede clonar a personas reales, no puedes subir un rostro ni una voz, y un rostro personalizado creado para una organización solo puede ser utilizado por esa organización.

• Sin contenido sexual, y sin novias o novios de IA.

La sanidad y todo lo que implique a menores de 18 años, incluida la educación, quedan completamente fuera de la beta; esas consultas se redirigen a una dirección empresarial.

• Cada instrucción del desarrollador se revisa antes de que comience una conversación. Durante una llamada, las comprobaciones automatizadas la finalizan si se expresa intención de cometer violencia grave, si hay insultos o discursos de odio, contenido sexual, o armas y escenas sangrientas ante la cámara, y también si la propia persona pide un código de acceso, datos de la tarjeta, dinero o acceso remoto a un dispositivo.

• A alguien que parezca estar en crisis se le orienta hacia ayuda, como la Suicide & Crisis Lifeline, en lugar de colgarle. Las infracciones repetidas pausan las nuevas conversaciones. Todo el producto es para mayores de 18 años.

La publicación añade la frase que la mayoría de los proveedores omite: estas comprobaciones dejarán pasar cosas, y a veces finalizarán llamadas que estaban bien. Eso es lo correcto que hay que decirle a la gente, y también es una descripción precisa de en qué punto está el producto: una beta cuidadosamente delimitada, más que una plataforma.

Lo que Emma todavía no puede hacer

La lista de limitaciones es lo bastante larga como para resultar útil. El razonamiento de Emma proviene de un modelo de lenguaje, así que comete errores con seguridad y todavía puede contar mal las letras de «strawberry». El turno de palabra falla donde es más difícil: puede intervenir a mitad de una idea, esperar un instante de más o pasar por alto una señal que una persona captaría, y las pausas largas a mitad de frase son el peor caso. Por ahora solo habla inglés. Las voces de fondo, un televisor, el altavoz o un micrófono débil degradan su sincronización. La comprensión visual en streaming es incipiente: con la cámara encendida puede hablar de lo que ve, pero se le escapan detalles y malinterpreta escenas. La sincronización labial, la mirada y el movimiento de la cabeza fallan ocasionalmente, sobre todo con una mala conexión, y su expresión puede volver a la neutralidad a mitad de conversación. No sabe cantar. La empresa lo dice con un emoticono sonriente, lo cual es una señal justa sobre cuán en serio tomarse el resto de la lista.

¿Quién está detrás de Nuplex 1.0?

Nuance Labs es pequeña y se define explícitamente como centrada en la investigación, con sede en Seattle, Washington. Sus tres fundadores mencionados son Fangchang Ma (cofundador y CEO, doctorado en robótica y aprendizaje automático por el MIT, anteriormente gerente de ingeniería en Apple), Edward Zhang (cofundador y CTO, doctorado en gráficos por computadora por la University of Washington, anteriormente científico de investigación sénior en Apple) y Karren Yang (cofundadora y científica jefa, doctorado en síntesis audiovisual por el MIT, también anteriormente en Apple). La propia forma en que la empresa enmarca el modelo es la de un único sistema que "ve, oye, razona, habla y se expresa en el mismo instante", construido prediciendo el siguiente token de audio y visual en lugar de la siguiente palabra: la misma maquinaria autorregresiva que aprendió lenguaje, apuntada al comportamiento humano.

Su página de inicio también indica claramente el objetivo de diseño: «500 ms es el límite inferior absoluto para la latencia de conversación», junto con cuatro pilares: expresividad y naturalidad, interactividad en tiempo real, una personalidad atractiva y escucha activa mediante interjecciones, asentimientos y señales de retroalimentación. Ninguno de esos cuatro es un punto de referencia, y la cifra de 500 ms es un límite inferior declarado, no un resultado medido, así que entiéndelo como la restricción frente a la que diseña el equipo, y no como una afirmación de rendimiento sobre Nuplex 1.0.

Dónde puedes usarlo realmente

La disponibilidad es geográfica y más limitada que «global». Emma y la API Nuplex Beta se ofrecen en Estados Unidos excepto Colorado, Connecticut, Illinois y Texas; en la UE; en el Reino Unido; y en Canadá excepto Quebec. Hablar con Emma no requiere cuenta: un navegador, un micrófono y, opcionalmente, una cámara son todo lo necesario.

Para los desarrolladores, el hecho arquitectónico interesante es que Nuplex se sitúa delante de un modelo de lenguaje en lugar de reemplazarlo. Nuance Labs dice que Nuplex funciona con cualquier modelo de lenguaje, pero que la beta utiliza uno propio, así que la capa de razonamiento que hay bajo Emma no es algo que un tercero proporcione hoy. Lo que la beta sí deja al descubierto es la costura: la persona puede entregar tareas más largas a tus herramientas mientras sigue conversando, y esas herramientas pueden llamar a cualquier modelo o servicio que quieras.

Esa costura es donde un router se gana su lugar, y vale la pena ser exactos sobre lo que hacemos y lo que no hacemos. OrcaRouter no sirve Nuplex 1.0 — el modelo no está en nuestro catálogo, y la única forma de acceder a él es a través de la propia plataforma beta de Nuance Labs. Lo que sí servimos es el otro lado de la llamada: 215 modelos detrás de una única clave compatible con OpenAI al precio de lista del proveedor, traspasado con un 0 % de margen, de modo que el modelo al que recurren las herramientas de un persona se puede cambiar modificando una cadena en lugar de firmar un segundo contrato. La conmutación por error automática cubre el caso que más importa en una conversación en vivo, donde que un proveedor se bloquee a mitad de la llamada es peor que una respuesta ligeramente más débil, y el DSL de enrutamiento te permite componer varios modelos detrás de un único endpoint cuando una tarea en segundo plano quiere que un modelo redacte y otro revise.

Qué ver a continuación

Tres cosas convertirían esto de una demo impresionante en una plataforma. La primera es la medición independiente: ninguna parte externa ha ejecutado la prueba de tiempos de 1.785 preguntas, y el espacio full-duplex audiovisual no cuenta con una arena compartida, que es precisamente por lo que el proveedor pudo publicar su propio conjunto de preguntas sin contradicción. La segunda es la lista de idiomas: que sea solo en inglés es el mayor límite de la beta, y un Nuplex multilingüe cambia quién puede construir sobre él. La tercera es el modelo de lenguaje subyacente: en el momento en que Nuplex se ofrezca con un modelo de lenguaje aportado por el usuario (bring-your-own LM), la cuestión del enrutamiento deja de girar en torno a las herramientas y pasa a girar en torno a la propia conversación. Hasta entonces, el resumen justo es que Nuance Labs ha lanzado el argumento más convincente hasta la fecha de que la conversación es un acto visual, y lo ha cercado con el suficiente cuidado como para que nadie pueda construir en silencio lo incorrecto con él.