Nuplex 1.0 dan Emma: Persona Video yang Menjawab dengan Ritme Manusia

Kalimat paling melucuti kewaspadaan dalam posting peluncuran Nuance Labs adalah kalimat ketika perusahaan itu menyangkal tolok ukurnya sendiri. Setelah menyajikan grafik yang menunjukkan model barunya menyamai waktu respons manusia 89% kali, dibandingkan 35% untuk sistem terdekat berikutnya, posting tersebut mengakui bahwa "benchmark di ruang AV full-duplex belum akurat terhadap pengalaman pengguna." Itu bukan pernyataan berjaga-jaga yang ditempelkan di bagian bawah halaman pemasaran. Itu adalah kerangka jujur tentang apa Nuplex 1.0 sebenarnya: rilis publik pertama dari lab Seattle yang telah menghabiskan 18 bulan membangun model audiovisual yang melihat, mendengar, bernalar, dan berbicara pada saat yang sama, dikirim pada 9 November 2026 di dalam satu persona konsumen bernama Emma. Bagian berikut memisahkan apa yang diukur vendor, apa yang dikatakannya tidak dapat diberitahukan oleh pengukurannya sendiri, dan apa yang dapat dijangkau pengembang hari ini.

Bentuknya, dalam satu paragraf. Nuplex 1.0 adalah model fondasi audiovisual dupleks penuh — "Nuplex" adalah singkatan perusahaan dari Nuance Full-duplex, sebuah sistem yang mendengarkan dan berbicara secara bersamaan alih-alih bergiliran. Emma adalah persona pertama yang dibangun di atasnya: karakter video yang Anda ajak bicara di browser dengan mikrofon dan kamera opsional, yang wajah dan suaranya dilisensikan dari aktris sungguhan, dan yang dirancang untuk mengangguk, tersenyum, memalingkan muka, dan menyela saat Anda masih berbicara. Pengalaman konsumennya tidak memerlukan akun. API Nuplex Beta, yaitu cara siapa pun selain pengunjung yang penasaran untuk mencoba model ini, berada di balik pendaftaran di situs platform perusahaan.

Apa yang sudah dirilis, dan apa yang masih tertutup

Artefak utamanya adalah pos riset, "Kenali Emma, Persona Nuplex Pertama," bertanggal 9 November 2026 dan memuat entri BibTeX yang dapat dikutip — sebuah rilis peneliti, bukan presentasi utama produk. Pos ini menautkan dua pintu: emma.nuancelabs.ai untuk personanya sendiri, dan platform.nuancelabs.ai untuk API beta dengan "beberapa persona berbeda." Selain karakter bawaan, ringkasan API memungkinkan Anda menulis prompt persona, mengikuti percakapan saat berlangsung, dan membiarkan persona menyerahkan tugas yang lebih panjang kepada alat Anda sendiri di latar belakang sambil terus berbicara dengan pengguna.

Malam itu juga, seorang peneliti pendiri memposting persona tersebut ke Hacker News dengan judul "Emma, persona video AI real-time dari Nuance Labs" dan menjawab pertanyaan di utas. Ada tiga detail di sana yang layak diketahui karena tidak ada di halaman pemasaran: bahwa API beta adalah jalur pengembang yang dimaksudkan, bahwa tim membingkai pekerjaan itu sebagai bertaruh pada kealamian dibandingkan tolok ukur yang ada, dan bahwa penelepon awal diperingatkan bahwa Emma "mungkin mengakhiri panggilan secara prematur" — sebuah perilaku keselamatan, bukan bug, yang kemudian dijelaskan secara rinci dalam postingan riset.

Yang tidak terbuka adalah sebagian besar permukaan komersialnya. Subdomain platform berada di balik shell pendaftaran yang terautentikasi, dan tidak ada daftar harga publik, kartu tarif, atau kartu model yang mencantumkan jumlah parameter yang dapat diakses. Jadi pernyataan jujur tentang biaya adalah ini: berbicara dengan Emma tidak memerlukan akun dan tidak memerlukan pembayaran, dan ketentuan API beta diatur saat pendaftaran. Siapa pun yang mengutip harga per token untuk Nuplex 1.0 hari ini sedang mengarangnya.

Klaim 89% itu, dibaca sebagaimana cara vendor membacanya

Latensi balasan adalah angka yang menjadi tolok ukur setiap sistem full-duplex, dan Nuance Labs berpendapat bahwa angka itu sendiri tidak banyak menentukan, karena latensi adalah keputusan produk, bukan skor. Kerangka mereka sendiri membagi bidang ini menjadi dua. Model terbuka seperti PersonaPlex dan Moshi disetel untuk menjawab secepat mungkin dan memaksimalkan tolok ukur yang ada. Sistem produk seperti GPT-Live dan G​emini Live membutuhkan waktu lebih lama, "kemungkinan besar karena mereka lebih memilih tidak memotong pembicaraan Anda." Nuplex 1.0 sengaja ditempatkan di antara keduanya.

Jadi perusahaan itu mengukur hal lain: bukan seberapa cepat sistem menjawab, melainkan apakah sistem menjawab pada saat seseorang akan menjawab. Dari 1.785 pertanyaan yang diambil dari rekaman percakapan nyata miliknya sendiri, waktu balasan Nuplex beririsan dengan waktu pembicara asli pada 89% kasus. Sistem terdekat berikutnya hanya mencapai 35%. Setiap bagian dari kalimat itu dilaporkan oleh vendor dan tidak direproduksi oleh siapa pun di luar perusahaan, dan dua angka pembanding membawa catatan yang disampaikan sendiri oleh vendor: GPT-Live dan G​emini Live diakses melalui API publik mereka, sehingga waktu mereka mencakup waktu jaringan yang tidak termasuk dalam waktu Nuplex.

Apa pun nilai klaim itu, tetap merupakan hal yang spesifik dan dapat diperiksa untuk dipublikasikan — seperangkat pertanyaan yang diberi nama, metrik yang diberi nama, metode perbandingan yang dinyatakan. Pertanyaan yang lebih menarik adalah mengapa sebuah lab membuka dengan sebuah angka lalu melemahkannya di paragraf berikutnya. Karena metrik itu mengukur hal yang sebenarnya dijual produk. Percakapan tatap muka bukanlah percakapan yang cepat; percakapan itu adalah percakapan di mana waktu dari pihak lain menandakan perhatian. Isyarat visual Emma — anggukan saat Anda berbicara, pergeseran pandangan yang mengklaim giliran — adalah bagian dari bagaimana waktu itu dihasilkan, dan itulah perbedaan konkret antara ini dan model speech-to-speech dengan avatar yang dirender di atasnya.

Wajah dari seorang aktris, dan kepribadian yang dilatih untuk membantah

Bagian yang paling tidak seperti peluncuran dalam unggahan itu adalah bagian tentang mengapa wajah yang dihasilkan terlihat salah. Mintalah aktor profesional memerankan emosi yang sama dan Anda akan mendapatkan variasi yang luas, catat perusahaan itu, mengutip Le Mau et al. 2021; wajah yang dihasilkan AI sebaliknya menghasilkan ekspresi prototipikal yang lebih mudah diberi label dan lebih intens daripada foto berpose sungguhan, mengutip Kramer et al. 2026. Rata-ratakan banyak orang dan Anda mendapatkan sesuatu yang teredam. Optimalkan untuk sebuah label dan Anda mendapatkan kartun.

Jawaban Nuance Labs adalah berhenti merata-ratakan. Wajah dan suara Emma berasal dari satu aktris yang berkolaborasi dalam proses capture, dan tingkah lakunya dimodelkan berdasarkan karakter tertentu alih-alih generalisasi data pelatihan — kedipan panjang untuk penekanan, mata menyipit, mata yang melayang lalu kembali, lompatan kecil saat ia tidak bisa menahan reaksi. Unggahan itu menampilkannya berdampingan dengan ekspresi bergaya emoji prototipe untuk menyampaikan poin secara visual, dan itulah jenis perbedaan yang Anda sadari dalam dua detik dan tidak bisa tidak disadari setelahnya.

Upaya pada kepribadian adalah klaim yang lebih tidak biasa. Emma dirancang untuk penasaran, cerdas tangkas, punya pendapat, dan tidak setuju dengan Anda, sekaligus terang-terangan sebagai AI. Tulisan itu blak-blakan tentang mengapa hal itu sulit: data preferensi memberi imbalan pada jawaban yang setuju dengan orang yang bertanya, sehingga sebagian besar asisten mengulang apa yang Anda katakan, memujinya, menarik moral yang rapi, dan berakhir dengan pertanyaan. Sitasinya adalah Sharma dkk. 2024 tentang sikofansi, dan batasan desain yang mengikutinya adalah bahwa hanya ada satu Emma — satu wajah, satu suara, satu temperamen — bukan karakter yang bisa Anda ubah lewat prompt agar setuju.

Apa yang tidak akan dilakukan versi beta

Nuance Labs membuka bagian keamanannya dengan mengutip penguji pertamanya, yang mengatakan dua hal "sering dalam satu tarikan napas: itu luar biasa, dan itu sedikit mengganggu." Pembatasan yang menyusul sangat spesifik untuk sebuah peluncuran, dan itulah sebabnya beberapa produk yang sudah jelas tidak dapat dibangun di atas Nuplex 1.0 bulan ini.

• Pengungkapan bersifat struktural — Emma tidak pernah mengklaim dirinya manusia, prompt pengembang yang mencoba membuat persona mengklaim hal itu akan ditolak, dan video yang disajikan melalui API membawa watermark yang terlihat.

• Tanpa kloning — versi beta tidak dapat mengkloning orang sungguhan, Anda tidak dapat mengunggah wajah atau suara, dan wajah khusus yang dibuat untuk suatu organisasi hanya dapat digunakan oleh organisasi tersebut.

• Tidak boleh ada konten seksual, dan tidak boleh ada pacar AI perempuan atau laki-laki.

• Layanan kesehatan dan apa pun yang melibatkan anak di bawah 18 tahun, termasuk pendidikan, sepenuhnya berada di luar beta; pertanyaan semacam itu dialihkan ke alamat enterprise sebagai gantinya.

• Setiap prompt developer disaring sebelum percakapan dimulai. Selama panggilan, pemeriksaan otomatis mengakhirinya jika terungkap niat untuk melakukan kekerasan serius, ujaran kasar atau ujaran kebencian, konten seksual, atau senjata dan adegan berdarah di kamera — dan juga jika personanya sendiri meminta kode sandi, detail kartu, uang, atau akses jarak jauh ke perangkat.

• Seseorang yang tampaknya sedang dalam krisis diarahkan ke layanan bantuan, seperti Suicide & Crisis Lifeline, bukan diputus teleponnya. Pelanggaran berulang akan menjeda percakapan baru. Seluruh produk diperuntukkan bagi 18+.

Postingan itu menambahkan kalimat yang sering dihilangkan oleh sebagian besar vendor: pemeriksaan ini akan melewatkan berbagai hal, dan kadang-kadang akan mengakhiri panggilan yang sebenarnya baik-baik saja. Itu adalah hal yang tepat untuk disampaikan kepada orang-orang, dan itu juga merupakan deskripsi akurat tentang posisi produk saat ini — versi beta yang dipagari dengan hati-hati, bukan sebuah platform.

Apa yang belum bisa dilakukan Emma

Daftar keterbatasannya cukup panjang untuk berguna. Penalaran Emma berasal dari model bahasa, jadi ia membuat kesalahan dengan percaya diri dan masih bisa salah menghitung huruf dalam “strawberry”. Pergantian giliran gagal di tempat pergantian giliran paling sulit: ia bisa menyela di tengah pikiran, menunggu sedikit terlalu lama, atau melewatkan isyarat yang akan ditangkap orang, dan jeda panjang di tengah kalimat adalah kasus terburuk. Untuk saat ini ia hanya berbahasa Inggris. Suara latar, televisi, mode pengeras suara, atau mikrofon lemah semuanya menurunkan ketepatan waktunya. Pemahaman visual streaming masih tahap awal — dengan kamera aktif ia dapat membahas apa yang dilihatnya tetapi akan melewatkan detail dan salah membaca pemandangan. Sinkronisasi bibir, tatapan, dan gerakan kepala kadang meleset, terutama pada koneksi buruk, dan ekspresinya bisa kembali ke netral di tengah percakapan. Ia tidak bisa bernyanyi. Perusahaan mengatakan demikian dengan emoji tersenyum, yang merupakan sinyal wajar tentang seberapa serius menyikapi sisa daftar itu.

Siapa yang berada di balik Nuplex 1.0

Nuance Labs berukuran kecil dan secara eksplisit mengutamakan riset, berbasis di Seattle, Washington. Tiga pendiri yang disebutkan namanya adalah Fangchang Ma (pendiri bersama dan CEO, PhD dalam robotika dan pembelajaran mesin dari MIT, sebelumnya manajer teknik di Apple), Edward Zhang (pendiri bersama dan CTO, PhD dalam grafik komputer dari University of Washington, sebelumnya ilmuwan riset senior di Apple), dan Karren Yang (pendiri bersama dan ilmuwan utama, PhD dalam sintesis audio-visual dari MIT, juga sebelumnya di Apple). Cara perusahaan itu sendiri membingkai model tersebut adalah sebagai satu sistem yang "melihat, mendengar, bernalar, berbicara, dan mengekspresikan diri pada momen yang sama," yang dibangun dengan memprediksi token audio dan visual berikutnya alih-alih kata berikutnya — mesin autoregresif yang sama yang mempelajari bahasa, diarahkan pada perilaku manusia.

Halaman beranda mereka juga menyatakan target desain secara gamblang: "500ms adalah batas bawah keras untuk latensi percakapan," bersama empat pilar — ekspresivitas dan kewajaran, interaktivitas waktu nyata, kepribadian yang memikat, dan mendengarkan aktif melalui interjeksi, mengangguk, dan backchannelling. Tidak satu pun dari keempatnya merupakan tolok ukur, dan angka 500ms adalah batas bawah yang dinyatakan, bukan hasil terukur, jadi bacalah sebagai batasan yang menjadi acuan desain tim, bukan sebagai klaim kinerja tentang Nuplex 1.0.

Di mana Anda benar-benar dapat menggunakannya

Ketersediaan bersifat geografis dan lebih sempit daripada "global." Emma dan API Nuplex Beta ditawarkan di Amerika Serikat kecuali Colorado, Connecticut, Illinois, dan Texas; di Uni Eropa; di Inggris Raya; dan di Kanada kecuali Quebec. Berbicara dengan Emma tidak memerlukan akun — peramban, mikrofon, dan kamera opsional adalah seluruh persiapannya.

Bagi para pembangun, fakta arsitektural yang menarik adalah bahwa Nuplex berada di depan model bahasa, bukan menggantikannya. Nuance Labs mengatakan Nuplex dapat bekerja dengan model bahasa apa pun, tetapi versi beta melayani salah satu model miliknya sendiri, sehingga lapisan penalaran di bawah Emma bukan sesuatu yang dipasok pihak ketiga saat ini. Yang diekspos oleh versi beta adalah sambungannya: persona dapat menyerahkan tugas yang lebih panjang kepada alat Anda sambil terus berbicara, dan alat tersebut dapat memanggil model atau layanan apa pun yang Anda inginkan.

Celah itulah tempat router membuktikan kegunaannya, dan penting untuk tepat mengenai apa yang kami lakukan dan tidak lakukan. OrcaRouter tidak menyediakan Nuplex 1.0 — model tersebut tidak ada di katalog kami, dan satu-satunya cara untuk menjangkaunya adalah melalui platform beta milik Nuance Labs sendiri. Yang kami sediakan adalah sisi lain dari panggilan: 215 model di balik satu kunci yang kompatibel dengan OpenAI dengan harga daftar penyedia, diteruskan dengan markup 0%, sehingga model yang hendak dipakai oleh alat suatu persona dapat diganti dengan mengubah sebuah string alih-alih menandatangani kontrak kedua. Failover otomatis mencakup kasus yang paling penting dalam percakapan langsung, ketika penyedia yang mandek di tengah panggilan lebih buruk daripada jawaban yang sedikit lebih lemah, dan DSL perutean memungkinkan Anda menyusun beberapa model di balik satu endpoint ketika tugas latar belakang menginginkan satu model untuk menyusun draf dan model lain untuk memeriksa.

Tontonan Berikutnya

Tiga hal akan mengubah ini dari demo yang mengesankan menjadi sebuah platform. Yang pertama adalah pengukuran independen: belum ada pihak luar yang menjalankan uji waktu 1.785 pertanyaan, dan ruang AV full-duplex tidak memiliki arena bersama, yang justru menjadi alasan vendor dapat menerbitkan set pertanyaannya sendiri tanpa kontradiksi. Yang kedua adalah daftar bahasa — hanya bahasa Inggris adalah batas terbesar pada beta, dan Nuplex multibahasa mengubah siapa yang dapat membangun di atasnya. Yang ketiga adalah model bahasa di baliknya: begitu Nuplex ditawarkan dengan LM bawa-sendiri, pertanyaan perutean tidak lagi tentang alat dan menjadi tentang percakapan itu sendiri. Sampai saat itu, ringkasan yang adil adalah bahwa Nuance Labs telah meluncurkan argumen paling meyakinkan sejauh ini bahwa percakapan adalah tindakan visual — dan telah memagarinya cukup hati-hati sehingga tidak ada yang dapat diam-diam membangun hal yang salah dengannya.