Nuplex 1.0 ed Emma: una video persona che risponde a tempo d'uomo

La frase più disarmante nel post di lancio di Nuance Labs è quella in cui l'azienda rinnega il proprio benchmark. Dopo aver presentato un grafico in cui il suo nuovo modello eguaglia i tempi di risposta di un essere umano nell'89% dei casi, contro il 35% del sistema più vicino, il post ammette che "i benchmark nello spazio AV full-duplex non sono ancora accurati rispetto all'esperienza utente". Non è una cautela aggiunta in fondo a una pagina di marketing. È la cornice onesta di ciò che Nuplex 1.0 è realmente: il primo rilascio pubblico di un laboratorio di Seattle che ha impiegato 18 mesi a costruire un modello audiovisivo che vede, ascolta, ragiona e parla nello stesso istante, distribuito il 9 novembre 2026 all'interno di un'unica persona consumer chiamata Emma. Quanto segue distingue ciò che il fornitore ha misurato, ciò che dice che le sue stesse misurazioni non possono dirti e ciò a cui uno sviluppatore può accedere oggi.

La sua struttura, in un paragrafo. Nuplex 1.0 è un modello fondazionale audiovisivo full-duplex — "Nuplex" è la contrazione usata dall'azienda per Nuance Full-duplex, un sistema che ascolta e parla contemporaneamente invece di alternarsi. Emma è la prima persona costruita su di esso: un personaggio video con cui parli in un browser con un microfono e una videocamera opzionale, il cui volto e la cui voce sono concessi in licenza da un'attrice reale, e progettato per annuire, sorridere, distogliere lo sguardo e intervenire mentre stai ancora parlando. L'esperienza per il consumatore non richiede alcun account. La Nuplex Beta API, ovvero il modo in cui chiunque altro oltre a un visitatore curioso può accedere al modello, si trova dietro un'iscrizione sul sito della piattaforma dell'azienda.

Cosa è stato rilasciato e cosa è ancora chiuso

L'artefatto principale è un post di ricerca, "Incontra Emma, la prima Nuplex Persona", datato 9 novembre 2026 e corredato di una voce BibTeX citabile — un rilascio di un ricercatore, non un keynote di prodotto. Collega due porte: emma.nuancelabs.ai per la persona stessa, e platform.nuancelabs.ai per l'API beta con "alcune persone diverse". Oltre al personaggio predefinito, il brief dell'API ti consente di scrivere un prompt per la persona, seguire la conversazione mentre avviene e lasciare che la persona affidi compiti più lunghi ai tuoi strumenti in background mentre continua a parlare con l'utente.

La stessa sera, un ricercatore fondatore ha pubblicato la persona su Hacker News con il titolo "Emma, a real-time AI video persona from Nuance Labs" e ha risposto alle domande nel thread. Tre dettagli meritano di essere riportati perché non compaiono nella pagina di marketing: che l'API beta è il percorso previsto per gli sviluppatori, che il team inquadra il lavoro come una scommessa sulla naturalezza rispetto ai benchmark esistenti, e che ai primi chiamanti è stato avvertito che Emma "may prematurely end the call" — un comportamento di sicurezza, non un bug, che il post di ricerca spiega poi in dettaglio.

Ciò che non è aperto è gran parte della superficie commerciale. Il sottodominio della piattaforma si trova dietro una schermata di registrazione autenticata, e non era raggiungibile alcun listino prezzi pubblico, tariffario o scheda del modello riportante un conteggio dei parametri. Quindi l'affermazione onesta sui costi è questa: parlare con Emma non richiede un account né un pagamento, e i termini dell'API beta vengono definiti alla registrazione. Chiunque oggi quoti un prezzo per token per Nuplex 1.0 se lo sta inventando.

La dichiarazione dell'89%, letta nel modo in cui la interpreta il fornitore

La latenza di risposta è il numero sul quale viene giudicato ogni sistema full-duplex, e Nuance Labs sostiene che da sola chiarisca ben poco, perché la latenza è una decisione di prodotto più che un punteggio. La sua stessa impostazione divide il campo in due. I modelli aperti come PersonaPlex e Moshi sono tarati per rispondere il più velocemente possibile e per massimizzare i benchmark esistenti. I sistemi di prodotto come GPT-Live e G​emini Live impiegano più tempo, "molto probabilmente perché preferiscono non interromperti". Nuplex 1.0 si colloca deliberatamente tra i due.

Quindi l'azienda ha misurato qualcos'altro: non la rapidità con cui un sistema risponde, ma se risponde quando lo farebbe una persona. Su 1.785 domande tratte dalle proprie registrazioni di conversazioni reali, i tempi di risposta di Nuplex si sovrapponevano a quelli dell'interlocutore originale nell'89% dei casi. Il secondo sistema più vicino si è fermato al 35%. Ogni parte di quella frase è dichiarata dal fornitore e non è riprodotta da nessuno al di fuori dell'azienda, e due dei dati di confronto comportano un'avvertenza che il fornitore stesso segnala spontaneamente: GPT-Live e G​emini Live sono stati raggiunti tramite le loro API pubbliche, quindi i loro tempi includono il tempo di rete che quelli di Nuplex non includono.

Per quel che vale, l'affermazione resta comunque qualcosa di specifico e verificabile da aver pubblicato: una serie di domande con un nome, una metrica con un nome, un metodo di confronto dichiarato. La domanda più interessante è perché un laboratorio aprirebbe con un numero per poi ridimensionarlo nel paragrafo successivo. Perché la metrica misura proprio ciò che il prodotto vende davvero. Una conversazione faccia a faccia non è una conversazione veloce; è una conversazione in cui i segnali di tempismo dell'interlocutore comunicano attenzione. I segnali visivi di Emma — un cenno del capo mentre parli, uno spostamento dello sguardo che rivendica il turno — fanno parte di come quel tempismo viene prodotto, ed è questa la differenza concreta tra questo e un modello speech-to-speech con un avatar renderizzato sopra.

Un volto preso da un’attrice e una personalità addestrata a dissentire

La parte meno simile a un lancio del post è quella che spiega perché i volti generati appaiono sbagliati. Chiedete ad attori professionisti di interpretare la stessa emozione e ottenete un'ampia variazione, osserva l'azienda, citando Le Mau et al. 2021; i volti generati dall'IA producono invece un'espressione prototipica che è più facile da etichettare e più intensa di una vera fotografia in posa, citando Kramer et al. 2026. Fate la media di molte persone e ottenete qualcosa di attenuato. Ottimizzate per un'etichetta e ottenete un cartone animato.

La risposta di Nuance Labs è stata smettere di fare medie. Il volto e la voce di Emma provengono da un'unica attrice che ha collaborato alla cattura, e i suoi tic sono modellati su un personaggio specifico anziché su una generalizzazione dei dati di addestramento: la lunga chiusura delle palpebre per dare enfasi, lo strizzare gli occhi, gli occhi che vagano e tornano, il piccolo sobbalzo quando non riesce a contenere una reazione. Il post la contrappone a espressioni prototipiche in stile emoji per rendere visivamente il concetto, ed è il tipo di differenza che noti in due secondi e che dopo non puoi più non notare.

Il lavoro sulla personalità è la rivendicazione più singolare. Emma è progettata per essere curiosa, arguta, avere opinioni proprie e dissentire da te, pur essendo apertamente un'IA. Il post è schietto sul perché questo sia difficile: i dati sulle preferenze premiano le risposte che concordano con chi pone la domanda, così la maggior parte degli assistenti ripete ciò che hai detto, lo elogia, trae una morale bell'e pronta e termina con una domanda. La citazione è Sharma et al. 2024 sulla sicofantia, e il vincolo di progettazione che ne deriva è che esiste una sola Emma — un volto, una voce, un temperamento — non un personaggio che puoi riprogrammare tramite prompt per farla concordare.

Cosa la beta rifiuterà di fare

Nuance Labs apre la sua sezione sulla sicurezza citando i suoi primi tester, che hanno detto due cose «spesso nello stesso respiro: era straordinario, e un po' inquietante». Le limitazioni che seguono sono insolitamente specifiche per un lancio, e sono il motivo per cui questo mese diversi prodotti ovvi non possono essere realizzati su Nuplex 1.0.

• La dichiarazione è strutturale: Emma non afferma mai di essere umana, i prompt degli sviluppatori che tentano di far sostenere tale affermazione a una persona vengono rifiutati, e i video serviti tramite l'API riportano una filigrana visibile.

• Nessun clonaggio: la beta non può clonare persone reali, non è possibile caricare un volto o una voce e un volto personalizzato creato per un'organizzazione può essere utilizzato solo da quell'organizzazione.

• Nessun contenuto sessuale, né fidanzate o fidanzati AI.

L'assistenza sanitaria e qualsiasi attività che coinvolga minori di 18 anni, istruzione inclusa, sono del tutto escluse dalla beta; tali richieste vengono invece indirizzate a un indirizzo enterprise.

• Ogni prompt dello sviluppatore viene sottoposto a screening prima che inizi una conversazione. Durante una chiamata, controlli automatizzati la interrompono in caso di intento espresso di violenza grave, insulti o incitamento all'odio, contenuti sessuali oppure armi e scene cruente davanti alla telecamera — e anche se la persona stessa chiede un codice di accesso, i dati della carta, denaro o l'accesso remoto a un dispositivo.

• Chi sembra trovarsi in una situazione di crisi viene indirizzato a un servizio di aiuto, come la Suicide & Crisis Lifeline, invece di riagganciare. Le violazioni ripetute sospendono le nuove conversazioni. L'intero prodotto è 18+.

Il post aggiunge la frase che la maggior parte dei fornitori omette: questi controlli lasceranno sfuggire delle cose e a volte termineranno chiamate che andavano bene. È la cosa giusta da dire alle persone, ed è anche una descrizione accurata di dove si trova il prodotto: una beta attentamente recintata, non una piattaforma.

Cosa Emma non può ancora fare

L'elenco dei limiti è abbastanza lungo da essere utile. Il ragionamento di Emma deriva da un modello linguistico, quindi commette errori con sicurezza e può ancora sbagliare a contare le lettere in "strawberry". La gestione dei turni fallisce proprio dove è più difficile: può intervenire a metà pensiero, aspettare un attimo di troppo o perdere un segnale che una persona coglierebbe, e le lunghe pause a metà frase sono il caso peggiore. Per ora parla solo inglese. Voci di fondo, una televisione, il vivavoce o un microfono debole peggiorano tutti i suoi tempi. La comprensione visiva in streaming è agli inizi: con la fotocamera attiva può parlare di ciò che vede, ma perderà dettagli e fraintenderà le scene. Il sincronismo labiale, lo sguardo e i movimenti della testa a volte non sono perfetti, soprattutto con una connessione scadente, e la sua espressione può tornare neutra a metà conversazione. Non sa cantare. L'azienda lo dice con una faccina sorridente, il che è un segnale equo su quanto prendere sul serio il resto dell'elenco.

Chi c’è dietro Nuplex 1.0?

Nuance Labs è una realtà piccola ed esplicitamente orientata alla ricerca, con sede a Seattle, Washington. I suoi tre fondatori citati sono Fangchang Ma (cofondatore e CEO, dottorato in robotica e machine learning al MIT, in precedenza engineering manager presso Apple), Edward Zhang (cofondatore e CTO, dottorato in computer grafica presso l’Università di Washington, in precedenza senior research scientist presso Apple) e Karren Yang (cofondatrice e chief scientist, dottorato in sintesi audiovisiva al MIT, anch’ella in precedenza presso Apple). La descrizione che l’azienda stessa dà del modello è quella di un unico sistema che «vede, sente, ragiona, parla e si esprime nello stesso momento», costruito prevedendo il successivo token audio e visivo anziché la parola successiva — lo stesso meccanismo autoregressivo che ha appreso il linguaggio, puntato sul comportamento umano.

La sua home page dichiara anche chiaramente l'obiettivo di progettazione: «500 ms rappresentano il limite minimo invalicabile per la latenza conversazionale», accanto a quattro pilastri — espressività e naturalezza, interattività in tempo reale, una personalità coinvolgente e ascolto attivo tramite interiezioni, cenni del capo e backchannelling. Nessuno di questi quattro è un benchmark, e la cifra di 500 ms è un limite minimo dichiarato anziché un risultato misurato, quindi va letta come il vincolo rispetto al quale il team progetta, non come un'affermazione sulle prestazioni di Nuplex 1.0.

Dove puoi davvero utilizzarlo

La disponibilità è geografica e più limitata rispetto a “globale”. Emma e l’API Nuplex Beta sono disponibili negli Stati Uniti, tranne Colorado, Connecticut, Illinois e Texas; nell’UE; nel Regno Unito; e in Canada, tranne Quebec. Per parlare con Emma non serve alcun account: un browser, un microfono e, facoltativamente, una fotocamera sono tutto ciò che serve.

Per chi sviluppa, il dato architetturale interessante è che Nuplex si pone davanti a un modello linguistico anziché sostituirlo. Nuance Labs afferma che Nuplex funziona con qualsiasi modello linguistico, ma che la beta ne utilizza uno proprio, quindi lo strato di ragionamento sotto Emma non è qualcosa che un terzo fornisca oggi. Ciò che la beta espone è il punto di sutura: la persona può affidare compiti più lunghi ai tuoi strumenti mentre continua a parlare, e questi strumenti possono chiamare qualsiasi modello o servizio tu voglia.

È in quella giuntura che un router si guadagna il suo posto, e vale la pena essere precisi su ciò che facciamo e ciò che non facciamo. OrcaRouter non eroga Nuplex 1.0 — il modello non è nel nostro catalogo, e l'unico modo per raggiungerlo è tramite la piattaforma beta di Nuance Labs stessa. Ciò che eroghiamo è l'altro lato della chiamata: 215 modelli dietro un'unica chiave compatibile con OpenAI al prezzo di listino del provider, trasferito con 0% di ricarico, così il modello a cui si rivolgono gli strumenti di una persona può essere sostituito cambiando una stringa invece di firmare un secondo contratto. Il failover automatico copre il caso che conta di più in una conversazione dal vivo, dove un provider che si blocca a metà chiamata è peggio di una risposta leggermente più debole, e il DSL di routing ti consente di comporre più modelli dietro un unico endpoint quando un'attività in background vuole che un modello faccia la bozza e un altro la verifichi.

Cosa guardare dopo

Tre cose potrebbero trasformarlo da demo impressionante in una piattaforma. La prima è la misurazione indipendente: nessuna parte esterna ha eseguito il test di temporizzazione da 1.785 domande, e lo spazio full-duplex AV non ha un'arena condivisa, ed è proprio per questo che il fornitore ha potuto pubblicare il proprio set di domande senza essere contraddetto. La seconda è l'elenco delle lingue: l'inglese come unica lingua è il limite più grande della beta, e un Nuplex multilingue cambia chi può costruirci sopra. La terza è il modello linguistico sottostante: nel momento in cui Nuplex viene offerto con un LM bring-your-own, la questione del routing smette di riguardare gli strumenti e diventa la conversazione stessa. Fino ad allora, il riepilogo equo è che Nuance Labs ha fornito l'argomento più convincente finora che la conversazione è un atto visivo — e l'ha recintato con sufficiente attenzione che nessuno possa costruirci sopra silenziosamente la cosa sbagliata.