Nuplex 1.0 e Emma: Uma Persona em Vídeo Que Responde no Ritmo Humano

A frase mais desarmante no post de lançamento da Nuance Labs é aquela em que a empresa renega seu próprio benchmark. Depois de apresentar um gráfico no qual seu novo modelo iguala o tempo de resposta humano em 89% das vezes, contra 35% do segundo sistema mais próximo, o post admite que “os benchmarks no espaço AV full-duplex ainda não são precisos em relação à experiência do usuário”. Isso não é uma ressalva aparafusada ao pé de uma página de marketing. É o enquadramento honesto daquilo que o Nuplex 1.0 realmente é: o primeiro lançamento público de um laboratório de Seattle que passou 18 meses construindo um modelo audiovisual que vê, ouve, raciocina e fala no mesmo instante, lançado em 9 de novembro de 2026 dentro de uma única persona de consumidor chamada Emma. O que segue separa o que o fornecedor mediu, o que ele diz que suas próprias medições não conseguem lhe dizer e o que um desenvolvedor consegue acessar hoje.

A ideia geral, em um parágrafo. O Nuplex 1.0 é um modelo fundamental audiovisual full-duplex — "Nuplex" é a contração que a empresa usa para Nuance Full-duplex, um sistema que escuta e fala simultaneamente em vez de revezar. Emma é a primeira persona construída sobre ele: um personagem em vídeo com quem você conversa em um navegador usando microfone e, opcionalmente, câmera, cujo rosto e voz são licenciados de uma atriz real e que foi projetado para acenar, sorrir, desviar o olhar e intervir enquanto você ainda está falando. A experiência para o consumidor não exige conta. A API Beta do Nuplex, que é como qualquer pessoa além de um visitante curioso consegue acessar o modelo, fica atrás de um cadastro no site da plataforma da empresa.

O que foi entregue e o que ainda está fechado

O artefato principal é uma publicação de pesquisa, "Conheça Emma, a Primeira Persona Nuplex", datada de 9 de novembro de 2026 e com uma entrada BibTeX citável — um lançamento de pesquisador, não um keynote de produto. Ela abre duas portas: emma.nuancelabs.ai para a própria persona, e platform.nuancelabs.ai para a API beta com "algumas personas diferentes". Além do personagem padrão, o resumo da API permite que você escreva um prompt de persona, acompanhe a conversa em tempo real e permita que a persona entregue tarefas mais longas às suas próprias ferramentas em segundo plano enquanto continua conversando com o usuário.

Na mesma noite, um pesquisador fundador publicou a persona no Hacker News com o título "Emma, uma persona de vídeo por IA em tempo real da Nuance Labs" e respondeu a perguntas na thread. Três detalhes ali valem a pena ser conhecidos porque não estão na página de marketing: que a API beta é o caminho pretendido para desenvolvedores, que a equipe enquadra o trabalho como uma aposta na naturalidade em vez dos benchmarks existentes, e que os primeiros usuários que fizeram chamadas foram avisados de que Emma "pode encerrar a chamada prematuramente" — um comportamento de segurança, e não um bug, que o post de pesquisa explica em detalhes mais tarde.

O que não está aberto é a maior parte da superfície comercial. O subdomínio da plataforma fica atrás de uma camada de cadastro autenticada, e não havia acesso a nenhuma lista de preços pública, tabela de tarifas ou ficha de modelo que trouxesse uma contagem de parâmetros. Então, a afirmação honesta sobre custo é esta: conversar com Emma não exige conta nem pagamento, e os termos da API beta são acertados no cadastro. Qualquer pessoa que cite hoje um preço por token para Nuplex 1.0 está inventando isso.

A alegação dos 89%, lida da maneira como o fornecedor a lê

A latência de resposta é o número pelo qual todo sistema full-duplex é julgado, e a Nuance Labs argumenta que isso, por si só, resolve muito pouco, porque a latência é uma decisão de produto, não uma pontuação. Seu próprio enquadramento divide o campo em dois. Modelos abertos como PersonaPlex e Moshi são ajustados para responder o mais rápido possível e maximizar os benchmarks existentes. Sistemas de produto como GPT-Live e Gemini Live levam mais tempo, “muito provavelmente porque preferem não interromper você”. O Nuplex 1.0 está posicionado deliberadamente entre os dois.

Então a empresa mediu outra coisa: não a rapidez com que um sistema responde, mas se ele responde quando uma pessoa responderia. Em 1.785 perguntas extraídas de suas próprias gravações de conversas reais, o tempo de resposta da Nuplex coincidiu com o do falante original em 89% das vezes. O sistema mais próximo conseguiu 35%. Cada parte dessa frase é relatada pelo fornecedor e reproduzida por ninguém fora da empresa, e dois dos números de comparação trazem uma ressalva que o próprio fornecedor oferece espontaneamente: GPT-Live e Gemini Live foram acessados por meio de suas APIs públicas, portanto seus tempos incluem o tempo de rede que os da Nuplex não incluem.

Aceite a alegação pelo que ela vale, e ainda assim é algo específico e verificável de ter sido publicado — um conjunto de perguntas nomeado, uma métrica nomeada, um método de comparação declarado. A pergunta mais interessante é por que um laboratório começaria com um número e depois o enfraqueceria no parágrafo seguinte. Porque a métrica mede aquilo que o produto realmente vende. Uma conversa cara a cara não é uma conversa rápida; é uma em que o timing da outra parte sinaliza atenção. As pistas visuais de Emma — um aceno enquanto você fala, uma mudança de olhar que reivindica a vez — fazem parte de como esse timing é produzido, e essa é a diferença concreta entre isto e um modelo de fala para fala com um avatar renderizado por cima dele.

Um rosto de uma atriz, e uma personalidade treinada para discordar

A parte da publicação que menos parece um lançamento é a que explica por que rostos gerados parecem errados. Peça a atores profissionais que representem a mesma emoção e você terá grande variação, observa a empresa, citando Le Mau et al. 2021; rostos gerados por IA, por sua vez, produzem uma expressão prototípica que é mais fácil de rotular e mais intensa do que uma fotografia posada real, citando Kramer et al. 2026. Faça a média de muitas pessoas e você obtém algo atenuado. Otimize para um rótulo e você obtém um cartoon.

A resposta da Nuance Labs foi parar de fazer médias. O rosto e a voz de Emma vêm de uma atriz que colaborou na captura, e seus trejeitos são modelados a partir de uma personagem específica, em vez de uma generalização dos dados de treinamento — o piscar demorado para dar ênfase, o semicerrar dos olhos, olhos que vagueiam e voltam, o pequeno sobressalto quando ela não consegue conter uma reação. A publicação a contrapõe a expressões prototípicas no estilo emoji para tornar o ponto visual, e é o tipo de diferença que você percebe em dois segundos e não consegue mais deixar de notar depois.

O trabalho de personalidade é a afirmação mais estranha. Emma foi projetada para ser curiosa, perspicaz, ter opiniões e discordar de você, embora seja abertamente uma IA. O post é direto sobre por que isso é difícil: dados de preferência recompensam respostas que concordam com a pessoa que pergunta, então a maioria dos assistentes repete o que você disse, elogia, tira uma moral arrumada e termina com uma pergunta. A citação é Sharma et al. 2024 sobre sicofância, e a restrição de design que decorre disso é que só existe uma Emma — um rosto, uma voz, um temperamento — não um personagem que você possa reorientar por prompt para concordar.

O que o beta se recusará a fazer

A Nuance Labs abre sua seção de segurança citando seus primeiros testadores, que disseram duas coisas "muitas vezes no mesmo fôlego: era incrível, e era um pouco perturbador". As restrições que se seguem são incomumente específicas para um lançamento, e são o motivo pelo qual vários produtos óbvios não podem ser construídos sobre o Nuplex 1.0 neste mês.

• A divulgação é estrutural — Emma nunca afirma ser humana, prompts de desenvolvedor que tentam fazer com que uma persona faça essa afirmação são recusados, e o vídeo disponibilizado através da API traz uma marca d'água visível.

• Sem clonagem — a versão beta não pode clonar pessoas reais, não é possível carregar um rosto ou uma voz, e um rosto personalizado criado para uma organização só pode ser usado por essa organização.

• Sem conteúdo sexual e sem namoradas ou namorados de IA.

• A área da saúde e tudo o que envolva menores de 18 anos, incluindo a educação, ficam totalmente fora do beta; esses pedidos são encaminhados para um endereço empresarial.

Todo prompt de desenvolvedor é analisado antes do início de uma conversa. Durante uma chamada, verificações automatizadas encerram-na em caso de intenção expressa de violência grave, insultos ou discurso de ódio, conteúdo sexual, ou armas e cenas sangrentas na câmera — e também se a própria persona pedir um código de acesso, dados do cartão, dinheiro ou acesso remoto a um dispositivo.

Alguém que parece estar em crise é direcionado para ajuda, como o Suicide & Crisis Lifeline, em vez de ter a ligação desligada. Violações repetidas pausam novas conversas. Todo o produto é 18+.

O post acrescenta a frase que a maioria dos fornecedores omite: essas verificações vão deixar passar coisas, e às vezes encerrarão chamadas que estavam boas. É a coisa certa a dizer às pessoas, e também é uma descrição precisa do ponto em que o produto está — um beta cuidadosamente cercado, e não uma plataforma.

O que Emma ainda não consegue fazer

A lista de limitações é longa o suficiente para ser útil. O raciocínio da Emma vem de um modelo de linguagem, então ela comete erros com confiança e ainda pode contar errado as letras de "strawberry". A alternância de turnos falha onde é mais difícil: ela pode entrar no meio do pensamento, esperar um instante além da conta ou perder uma deixa que uma pessoa perceberia, e longas pausas no meio da frase são o pior caso. Por enquanto, ela só funciona em inglês. Vozes ao fundo, uma televisão, viva-voz ou um microfone fraco prejudicam seu timing. A compreensão visual em streaming é incipiente — com a câmera ligada, ela consegue discutir o que vê, mas perderá detalhes e interpretará cenas de forma errada. A sincronia labial, o olhar e o movimento da cabeça às vezes falham, especialmente em uma conexão ruim, e a expressão dela pode voltar ao neutro no meio da conversa. Ela não sabe cantar. A empresa diz isso com uma carinha sorridente, o que é um sinal justo de quão a sério levar o restante da lista.

Quem está por trás do Nuplex 1.0

A Nuance Labs é pequena e explicitamente voltada à pesquisa, sediada em Seattle, Washington. Seus três fundadores nomeados são Fangchang Ma (cofundador e CEO, doutor em robótica e aprendizado de máquina pelo MIT, anteriormente gerente de engenharia na Apple), Edward Zhang (cofundador e CTO, doutor em computação gráfica pela Universidade de Washington, anteriormente cientista sênior de pesquisa na Apple) e Karren Yang (cofundadora e cientista-chefe, doutora em síntese audiovisual pelo MIT, também anteriormente na Apple). O próprio enquadramento do modelo pela empresa é o de um único sistema que "vê, ouve, raciocina, fala e se expressa no mesmo instante", construído pela previsão do próximo token de áudio e visual em vez da próxima palavra — a mesma maquinaria autorregressiva que aprendeu linguagem, apontada para o comportamento humano.

Sua página inicial também declara a meta de design de forma clara: "500ms é o piso rígido para a latência de conversação", ao lado de quatro pilares — expressividade e naturalidade, interatividade em tempo real, uma personalidade cativante e escuta ativa por meio de interjeições, acenos e sinais de acompanhamento. Nenhum desses quatro é um benchmark, e o número de 500ms é um piso declarado, e não um resultado medido, então interprete-o como a restrição para a qual a equipe projeta, e não como uma alegação de desempenho sobre o Nuplex 1.0.

Onde você pode realmente usá-lo

A disponibilidade é geográfica e mais restrita do que “global”. Emma e a Nuplex Beta API estão disponíveis nos Estados Unidos, exceto no Colorado, em Connecticut, em Illinois e no Texas; na UE; no Reino Unido; e no Canadá, exceto no Quebec. Conversar com Emma não exige conta — um navegador, um microfone e, opcionalmente, uma câmera são toda a configuração necessária.

Para quem desenvolve, o fato arquitetônico interessante é que o Nuplex fica na frente de um modelo de linguagem, em vez de substituí-lo. A Nuance Labs diz que o Nuplex funciona com qualquer modelo de linguagem, mas que o beta usa um modelo próprio, então a camada de raciocínio sob Emma não é algo que um terceiro forneça hoje. O que o beta expõe é a costura: a persona pode delegar tarefas mais longas às suas ferramentas enquanto continua conversando, e essas ferramentas podem chamar qualquer modelo ou serviço que você quiser.

É nessa costura que um roteador justifica seu lugar, e vale ser preciso sobre o que fazemos e o que não fazemos. O OrcaRouter não serve o Nuplex 1.0 — o modelo não está no nosso catálogo, e a única forma de chegar até ele é pela plataforma beta da própria Nuance Labs. O que nós servimos é o outro lado da chamada: 215 modelos atrás de uma única chave compatível com OpenAI ao preço de tabela do provedor, repassado com 0% de margem, de modo que o modelo que as ferramentas de uma persona buscam pode ser trocado mudando uma string em vez de assinar um segundo contrato. O failover automático cobre o caso que mais importa numa conversa ao vivo, em que um provedor travando no meio da chamada é pior do que uma resposta um pouco mais fraca, e a DSL de roteamento permite compor vários modelos atrás de um único endpoint quando uma tarefa em segundo plano quer um modelo para rascunhar e outro para revisar.

O que assistir a seguir

Três coisas fariam isto passar de uma demo impressionante para uma plataforma. A primeira é a medição independente: nenhuma parte externa executou o teste de tempo de 1.785 perguntas, e o espaço AV full-duplex não tem uma arena compartilhada, o que é exatamente o motivo pelo qual o fornecedor pôde publicar seu próprio conjunto de perguntas sem contradição. A segunda é a lista de idiomas — o fato de ser apenas em inglês é o maior limite da beta, e um Nuplex multilíngue muda quem pode construir sobre ele. A terceira é o modelo de linguagem por baixo: no momento em que o Nuplex for oferecido com a opção de trazer seu próprio LM, a questão do roteamento deixa de ser sobre ferramentas e passa a ser sobre a própria conversa. Até lá, o resumo justo é que a Nuance Labs entregou o argumento mais convincente até agora de que a conversa é um ato visual — e o delimitou com cuidado suficiente para que ninguém possa, em silêncio, construir a coisa errada com ele.